[发明专利]神经网络训练方法及相关产品

权利要求书

1.一种神经网络训练方法，其特征在于，所述神经网络包括第一网络和第二网络，包括：

获取第一图像样本，所述第一图像样本中的第一目标物体与所述第一图像样本的竖直方向相对平行或者与所述第一图像样本的竖直方向相对倾斜，所述第一图像样本包括第一标签和第二标签，所述第一标签用于标识所述第一目标物体在所述第一图像样本中的真实区域，所述第二标签用于标识所述第一目标物体的真实类别；

将所述第一图像样本输入到所述第一网络，确定所述第一目标物体的预测区域；

从所述第一图像样本中截取与所述预测区域对应的图像，得到第二图像样本；

对所述第二图像进行噪声处理，得到第三图像样本；

将所述第三图像样本输入到所述第二网络，确定所述第一目标物体的预测类别；

根据所述预测区域、所述真实区域、所述预测类别以及所述真实类别调整所述神经网络的网络参数的参数值。

2.根据权利要求1所述的方法，其特征在于，所述根据所述预测区域、所述真实区域、所述预测类别以及所述真实类别调整所述神经网络的参数，包括：

根据所述预测区域和所述真实区域确定第一损失和第二损失；

根据所述预测类别和所述真实类别确定第三损失；

根据所述第一损失、所述第二损失以及所述第三损失，调整所述神经网络的网络参数的参数值。

3.根据权利要求2所述的方法，其特征在于，所述根据所述预测区域和所述真实区域确定第一损失和第二损失，包括：

获取所述真实区域对应的四个第一顶点中每个第一顶点的像素坐标；

获取所述预测区域对应的四个第二顶点中每个第二顶点的像素坐标；

根据每个第一顶点的像素坐标以及与所述第一顶点相对应的第二顶点的像素坐标，得到所述第一损失；

分别确定所述真实区域对应的第一图像面积和所述预测区域对应的第二图像面积；

根据所述第一图像面积和所述第二面积得到所述第二损失。

4.根据权利要求3所述的方法，其特征在于，所述根据每个第一顶点的像素坐标以及与所述第一顶点相对应的第二顶点的像素坐标，得到所述第一损失，包括：

根据每个第一顶点的像素坐标以及与所述第一顶点相对应的第二顶点的像素坐标，确定每个第一顶点与所述第一顶点相对应的第二顶点之间的第一距离，得到四个第一距离；

根据所述四个第一距离，得到所述第一损失。

5.根据权利要求1-4中任一项所述的方法，其特征在于，在所述获取第一图像样本之前，所述方法还包括：

获取多个第四图像样本；

对所述多个第四图像样本中的部分第四图像样本进行旋转，以使所述部分第四图像样本中每个第四图像样本中的第二目标物体相与所述第四图像样本的竖直方向相对倾斜，并将旋转后的部分第四图像样本和未旋转的另一部分第四图像样本作为新的多个第四图像样本，其中，每个第四图像样本对应的旋转角度通过随机函数生成，则所述第一图像样本为所述新的多个第四图像样本中的任意一个图像样本；

对所述第一样本图像添加所述第一标签和所述第二标签。

6.根据权利要求1-5中任一项所述的方法，其特征在于，所述对所述第二图像进行噪声处理，得到第三图像样本，包括：

对所述第二图像样本添加预设噪声，得到所述第三图像样本；

其中，所述预设噪声包括以下至少一项：高斯噪声、椒盐噪声、乘性噪声以及泊松噪声。

7.根据权利要求1-6中任一项所述的方法，其特征在于，所述方法还包括：

获取第一待识别图像；

将所述第一待识别图像输入到所述第一网络，确定所述第一待识别图像中的第三目标物体所在的待识别区域；

从所述第一待识别图像中截取与所述待识别区域对应的第二待识别图像；

将所述第二待识别图像输入到所述第二网络，确定所述第三目标物体的类别。