[发明专利]神经网络训练与图像处理方法及装置

说明书

本公开涉及一种神经网络训练与图像处理方法及装置，所述方法包括：通过目标检测网络对样本图像进行目标检测处理，获得样本图像中对象的预测区域；基于对象的位置标注信息，确定每个预测区域与对应的标注区域之间的交并比；根据类别标注信息以及交并比，确定预测区域的重要性分数；根据预测区域的重要性分数以及样本图像的标注信息，训练目标检测网络。根据本公开的实施例的图像处理方法，可通过对象的类别标注信息以及每个预测区域的交并比获得预测区域的重要性分数，并利用预测区域的重要性分数训练目标检测网络，可提高目标检测网络的检测性能及普适性。

技术领域

本公开涉及计算机技术领域，尤其涉及一种神经网络训练与图像处理方法及装置。

背景技术

物体检测是计算机视觉领域最基本的问题，物体检测在很多方面具有重要应用，如人脸识别，自动驾驶等。物体检测的数据集通常存在前景和背景不均衡的现象。为了解决这个问题，传统的检测器通常在负样本中采集损失大的样本而过滤掉损失小的样本，虽然这种策略可以改善检测器的综合分类准确率，却不一定能提高检测器的检测性能，如何有效提升检测器的检测性能是本领域的研究热点。

发明内容

本公开提出了一种图像处理方法及装置、电子设备和存储介质。

根据本公开的一方面，提供了一种神经网络训练方法，包括：

通过目标检测网络对样本图像进行目标检测处理，获得所述样本图像中至少一个对象的多个预测区域，其中，所述样本图像的标注信息包括所述至少一个对象的位置标注信息及至少一个对象的类别标注信息；

基于所述至少一个对象的位置标注信息，确定所述每个预测区域与所述每个预测区域对应的标注区域之间的交并比；

根据所述至少一个对象的类别标注信息以及多个预测区域中每个预测区域的交并比，确定所述多个预测区域的重要性分数；

根据所述多个预测区域的重要性分数以及所述样本图像的标注信息，训练所述目标检测网络。

根据本公开的实施例的图像处理方法，可通过对象的类别标注信息以及每个预测区域的交并比获得预测区域的重要性分数，并利用预测区域的重要性分数训练目标检测网络，可提高目标检测网络的检测性能及普适性。

在一种可能的实现方式中，根据所述至少一个对象的类别标注信息以及多个预测区域中每个预测区域的交并比，确定所述多个预测区域的重要性分数，包括：

根据所述至少一个对象的类别标注信息以及所述多个预测区域中每个预测区域的交并比，对多个预测区域进行排序，获得所述至少一个对象所属的至少一个类别中每个类别对应的预测区域序列；

根据所述多个预测区域中每个预测区域在所述预测区域序列中的排序位置，确定所述每个预测区域的重要性分数。

通过这种方式，可确定每个预测区域在预测区域序列中的排序位置，并获得每个预测区域的重要性分数，使重要性高的预测区域获得较高的重要性分数，为训练过程中确定每个预测区域的权重提供依据。

在一种可能的实现方式中，根据所述至少一个对象的类别标注信息以及所述多个预测区域中每个预测区域的交并比，对多个预测区域进行排序，获得所述至少一个对象所属的至少一个类别中每个类别对应的预测区域序列，包括：

根据所述至少一个对象中每个对象的至少两个预测区域的交并比，对所述每个对象的至少两个预测区域进行排序，获得所述每个对象对应的第一序列；

基于所述至少一个对象的类别标注信息，对属于相同类别的至少一个对象对应的第一序列中排序位置相同的预测区域进行排序，获得与所述第一序列中的至少一个排序位置中每个排序位置对应的第二序列；

按照所述第一序列中的排序位置，对所述至少一个排序位置对应的第二序列进行排序，获得所述类别对应的预测区域序列。