神经网络训练方法以及通用物体检测方法、装置和系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108875901A(43)申请公布日2018.11.23(21)申请号201711161464.0(22)申请日2017.11.20(71)申请人北京旷视科技有限公司地址100000北京市海淀区科学院南路2号A座313申请人北京迈格威科技有限公司(72)发明人肖特特(74)专利代理机构北京超凡志成知识产权代理事务所(普通合伙)11371代理人苏胜(51)Int.Cl.G06N3/04(2006.01)G06K9/62(2006.01)权利要求书2页说明书10页附图3页(54)发明名称神经网络训练方法以及通用物体检测方法、装置和系统(57)摘要本发明提供了一种神经网络训练方法以及通用物体检测方法、装置和系统，涉及检测技术领域，应用于通用物体检测，该神经网络训练方法包括：对输入图片进行卷积处理，获得输入图片的特征图，对特征图进行至少两次卷积处理，利用至少两个分类器，对每次卷积处理后的中间特征图分别进行通用物体检测，获得至少两个检测结果，将至少两个检测结果进行合并，获得最终检测结果，根据最终检测结果对一个或多个分类器进行反传损失，更新一个或多个分类器中的参数，解决了现有技术中采用卷积神经网络会导致精度不高的问题，在保证计算效率的同时，能够减少误报率，进而提升了检测精度。CN108875901ACN108875901A权利要求书1/2页1.一种神经网络训练方法，其特征在于，所述神经网络用于通用物体检测；所述方法包括：对输入图片进行卷积处理，获得所述输入图片的特征图；对所述特征图进行至少两次卷积处理，利用至少两个分类器，对每次卷积处理后的中间特征图分别进行卷积检测处理，获得至少两个检测结果；将所述至少两个检测结果进行合并，获得最终检测结果；根据所述最终检测结果对一个或多个所述分类器进行反传损失，更新一个或多个所述分类器中的参数。2.根据权利要求1所述的方法，其特征在于，所述对所述特征图进行至少两次卷积处理，利用至少两个分类器，对每次卷积处理后的中间特征图分别进行卷积检测处理，获得至少两个检测结果，具体包括：将所述特征图划分为多个区块；对所述特征图进行至少两次卷积处理；利用至少两个分类器，对每次卷积处理后的中间特征图分别进行卷积检测处理，获得每个区块的至少两个检测结果。3.根据权利要求2所述的方法，其特征在于，所述将所述至少两个检测结果进行合并，获得最终检测结果，具体包括：对于每个区块，若该区块的每个检测结果均为被接受，则该区块的最终检测结果为被接受；若该区块的至少一个检测结果为被拒绝，则该区块的最终检测结果为被拒绝。4.根据权利要求3所述的方法，其特征在于，所述根据所述最终检测结果对一个或多个所述分类器进行反传损失，更新一个或多个所述分类器中的参数，具体包括：对于每个区块，将该区块的最终检测结果与该区块的真实结果进行比较，获得该区块的比较结果；根据该区块的比较结果对一个或多个所述分类器进行反传损失，更新一个或多个所述分类器中的参数。5.根据权利要求4所述的方法，其特征在于，所述根据该区块的比较结果对一个或多个所述分类器进行反传损失，更新一个或多个所述分类器中的参数，具体包括：若该区块的真实结果为应被拒绝，最终检测结果为被拒绝，则向最先拒绝该区块的分类器反传损失，更新最先拒绝该区块的所述分类器中的参数；若该区块的真实结果为应被拒绝，最终检测结果为被接受，则向检测结果最接近置信度的分类器反传损失，更新检测结果最接近置信度的所述分类器中的参数；若该区块的真实结果为应被接受，最终检测结果为被接受，则向检测结果最接近置信度的分类器反传损失，更新检测结果最接近置信度的分类器中的参数；若该区块的真实结果为应被接受，最终检测结果为被拒绝，则向检测结果低于置信度的分类器反传损失，更新检测结果低于置信度的分类器中的参数。6.一种通用物体检测方法，其特征在于，包括：对输入图片进行卷积处理，获得所述输入图片的特征图；对所述特征图进行至少两次卷积处理，利用至少两个分类器，对每次卷积处理后的中2CN108875901A权利要求书2/2页间特征图分别进行卷积检测处理，获得至少两个检测结果；将所述至少两个检测结果进行合并，获得最终检测结果。7.根据权利要求6所述的方法，其特征在于，所述对所述特征图进行至少两次卷积处理，利用至少两个分类器，对每次卷积处理后的中间特征图分别进行卷积检测处理，获得至少两个检测结果，具体包括：将所述特征图划分为多个区块；对所述特征图进行至少两次卷积处理；利用至少两个分类器，对每次卷积处理后的中间特征图分别进行卷积检测处理，获得每个区块的至少两个检测结果。8.根据权利要求7所述的方法，其特征在于，所述将所述至少两个检测结果进行合并，获得最终检测结果，具体包括：对于每