[发明专利]神经网络训练方法及装置以及识别方法及装置

权利要求书

1.一种神经网络训练方法，其特征在于，包括：

分别对多个第一样本图像进行预处理，获得多个第二样本图像，所述第一样本图像为目标对象的人脸图像，且目标对象的人脸未被遮挡；

对第二样本图像进行筛选，获得多个待处理图像，其中，所述待处理图像的数量少于所述第二样本图像的数量；

对所述待处理图像的至少部分区域进行遮挡处理，获得第三样本图像，其中，所述第三样本图像中的至少部分区域被遮挡；

通过所述第三样本图像和所述第二样本图像训练神经网络。

2.根据权利要求1所述的方法，其特征在于，对所述待处理图像的至少部分区域进行遮挡处理，获得第三样本图像，包括：

确定所述待处理图像中的待遮挡区域；

对所述待遮挡区域中的像素点的RGB值进行调整，获得所述第三样本图像。

3.根据权利要求2所述的方法，其特征在于，所述待遮挡区域包括第一区域，

其中，确定所述待处理图像中的待遮挡区域，包括：

对所述待处理图像进行筛选，获得多个第一待处理图像，其中，所述第一待处理图像的数量与所述待处理图像的数量之比为第二预定比例；

将所述第一待处理图像的待遮挡区域确定为第一区域，其中，所述第一区域为以一个或多个第二关键点为圆心，随机半径的圆形区域，所述第二关键点为所述第一待处理图像中的关键点。

4.根据权利要求2所述的方法，其特征在于，所述待遮挡区域包括第二区域，

其中，确定所述待处理图像中的待遮挡区域，包括：

对所述待处理图像进行筛选，获得多个第二待处理图像，其中，所述第二待处理图像的数量与所述待处理图像的数量之比为第三预定比例；

将所述第二待处理图像的待遮挡区域确定为第二区域，其中，所述第二区域为位于所述第二待处理图像的上半部分中且具有随机尺寸的矩形区域。

5.根据权利要求2所述的方法，其特征在于，所述待遮挡区域包括第三区域，

其中，确定所述待处理图像中的待遮挡区域，包括：

对所述待处理图像进行筛选，获得多个第三待处理图像，其中，所述第三待处理图像的数量与所述待处理图像的数量之比为第四预定比例；

将所述第三待处理图像的待遮挡区域确定为第三区域，其中，所述第三区域为位于所述第三待处理图像的下半部分中且具有随机尺寸的矩形区域。

6.根据权利要求2所述的方法，其特征在于，对所述待遮挡区域中的像素点的RGB值进行调整，获得所述第三样本图像，包括以下处理中的一种：

将所述待遮挡区域的各像素点的RGB值调整为0；或者

将所述待遮挡区域的各像素点的RGB值调整为第三随机数，其中，所述第三随机数为分别针对待遮挡区域的各像素点生成的随机数。

7.根据权利要求1-6中任一项所述的方法，其特征在于，对第二样本图像进行筛选，获得多个待处理图像，包括：

分别针对各第二样本图像生成第一随机数；

在第二样本图像的第一随机数属于预设区间的情况下，将所述第二样本图像确定为所述待处理图像，其中，所述待处理样本图像的数量与所述第二样本 图像的数量之比为第一预定比例。

8.根据权利要求1-7中任一项所述的方法，其特征在于，分别对多个第一样本图像进行预处理，获得多个第二样本图像，包括：

对多个第一样本图像分别进行关键点检测处理，获得各第一样本图像中的第一关键点；

根据所述第一关键点，对各第一样本图像进行校正处理，获得多个第二样本图像。

9.根据权利要求1-8中任一项所述的方法，其特征在于，通过所述第三样本图像和所述第二样本图像训练神经网络，包括以下一种：

通过所述第三样本图像和未筛选出的第二样本图像训练所述神经网络；或者

通过所述第三样本图像和所有第二样本图像训练所述神经网络。