[发明专利]神经网络训练方法及相关产品

说明书

本申请公开了一种神经网络训练方法及相关产品，该神经网络包括第一网络和第二网络，该神经网络训练方法包括：获取第一图像样本；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。本申请实施例有利于提高对目标物体的定位精度和识别精度。

技术领域

本申请涉及人工智能技术领域，具体涉及一种神经网络训练方法及相关产品。

背景技术

随着人工智能技术的发展，人工智能的应用场合越来越多。例如，可在智自动驾驶系统中对目标物体(例如，车道线、行人)进行分类，从而实现自动驾驶。这种对目标物体进行识别，需要先通过目标检测算法检测出目标物体在图像所在的目标区域，即对目标物体进行定位，并通过窗口沿着该图像的竖直方向框选出该目标物体；然后，对该框选出的区域进行特征提取，并根据提取到的特征进行对该目标物体进行分类，识别出该目标物体的类别。然而，在实际应用过程中，有些目标物体可能并不是沿着图像的竖直方向，这样框选会导致框选出的区域面积可能远大于该目标区域的面积。另外，由于该目标区域存在复杂的背景因素，导致对该目标物体的识别精度降低。

因此，现有对目标物体的定位精度低，识别准确率低。

发明内容

本申请实施例提供了一种神经网络训练方法及相关产品，通过不同类型的图像样本对神经网络进行训练，以期提高神经网络的鲁棒性，提高对目标物体的定位精度和识别精度。

第一方面，本申请实施例提供一种神经网络训练方法，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。

第二方面，本申请实施例提供一种神经网络训练装置，包括：

获取单元，用于获取第一图像样本，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；

处理单元，用于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；

所述处理单元，还用于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；

所述处理单元，还用于对所述第二图像进行噪声处理，得到第三图像样本；

所述处理单元，还用于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；