[发明专利]用于对象检测的卷积神经网络

说明书

公开了一种用于对象检测的卷积神经网络。公开了一种包括程序代码的计算机可读介质，所述程序代码在由处理电路系统执行时使得处理电路系统从输入图像中生成特征图，从特征图中提取出感兴趣区域，并基于感兴趣区域生成预测掩膜。处理电路系统可使用预测掩膜和真掩膜来学习卷积神经网络系统。真掩膜包括与真边界对应的第一像素以及对应于与真边界相邻的伪边界的第二像素。

相关申请的交叉引用

本申请要求于韩国知识产权局在2018年10月16日提交的韩国专利申请No.10-2018-0123183以及在2019年3月28日提交的韩国专利申请No.10-2019-0036153的优先权，这些申请的公开内容以引用方式整体并入本文中。

技术领域

本文所描述的一些发明构思的一些示例实施例涉及卷积神经网络系统，更具体地，涉及一种能够改进学习效率的卷积神经网络系统及其操作方法。

背景技术

在图像或视频的对象检测的背景下，正在积极地研究和开发基于深度学习的卷积神经网络。卷积神经网络包括用于重复地执行卷积操作和池化(pooling)操作的多个层。然而，由于卷积神经网络的对象检测性能和卷积神经网络的深度处于取舍关系，所以对于用于改进对象检测的性能同时简化神经网络的算法的方式存在许多尝试。

在对象检测的一些示例中，除了从背景中识别对象的问题之外，实例分割可能还具有将对象彼此区分的问题。通常，可利用大量运算和学习以改进实例分割的效率。另外，实例分割可与对象检测的性能直接相关。因此，可能期望一种可改进实例分割的性能并且相对简单的算法。

发明内容

一些发明构思的一些示例实施例提供了一种能够改进学习效率的卷积神经网络系统。

详细地，一些发明构思的一些示例实施例可提供一种通过改变用于学习的真掩膜的像素厚度来改进学习效率的方式。

根据一些示例实施例，一种计算机可读介质包括程序代码，该程序代码在由处理电路系统执行时使得处理电路系统对输入图像执行卷积操作以生成特征图，从特征图中提取基于与对象的存在相关联的对象状态分数的感兴趣区域，将提取出的感兴趣区域与具有参考尺寸的感兴趣区域对齐，基于对齐的感兴趣区域确定对象的类别以及对象在输入图像上的位置信息，基于确定的结果形成包围输入图像上的对象的边界，并且根据基于类别、位置信息和/或边界的预测掩膜、和/或基于输入图像的对象的真边界的真掩膜来学习卷积神经网络系统，和/或真掩膜包括与真边界对应的第一像素和/或对应于与真边界相邻的伪边界的第二像素。

根据一些示例实施例，一种计算机可读介质包括程序代码，该程序代码在由处理电路系统执行时使得处理电路系统对输入图像执行卷积操作以生成特征图，从特征图中提取基于与对象的存在相关联的对象状态分数的感兴趣区域，将提取出的感兴趣区域与具有参考尺寸的感兴趣区域对齐，基于对齐的感兴趣区域来确定对象的类别和对象在输入图像上的位置信息，基于确定的结果来形成包围输入图像上的对象的边界，并且根据基于类别、位置信息和/或边界的预测掩膜以及包括包围输入图像的对象的真界限框的真掩膜来学习卷积神经网络系统，和/或真掩膜包括与真界限框对应的第一像素以及对应于与真界限框相邻的伪界限框的第二像素。

根据一些示例实施例，一种卷积神经网络系统包括：处理电路系统，其被配置为对输入图像执行卷积操作以生成特征图，从特征图中提取基于与来对象的存在相关联的对象状态分数的感兴趣区域，将提取出的感兴趣区域与具有参考尺寸的感兴趣区域对齐；分类器，其基于对齐的感兴趣区域来确定对象的类别，基于对齐的感兴趣区域来确定对象在输入图像上的位置信息，并形成包围输入图像上的对象的边界。卷积神经网络系统可使用基于类别、位置信息和边界的预测掩膜以及基于输入图像的对象的真边界的真掩膜，并且真掩膜可包括与真边界对应的第一像素以及对应于与真边界相邻的伪边界的第二像素。

附图说明