[发明专利]区域生成网络负例选择方法、装置和计算机设备

说明书

本发明提供一种区域生成网络负例选择方法、装置和计算机设备，该区域生成网络负例选择方法包括：在获取到区域生成网络的正例样本集后，获取与所述正例样本集中所有正例的尺寸参数一致的多个负例候选框，作为负例候选框集；计算所述正例样本集中不同尺寸参数之间的数量比例；根据所述数量比例从所述负例候选框集中筛选出相应比例的负例训练样本，作为负例样本集。本发明的区域生成网络负例选择方法，通过筛选出与正例样本的尺寸参数一致的负例样本，并形成与正例样本集的尺寸参数的数量比例一致的负例样本，可以加大后续网络进行负例样本训练的力度，以及加强负例样本训练与正例样本训练的相关性，从而有效提升图像检测分类的准确率，减少误检。

技术领域

本发明涉及图像识别领域，具体而言，涉及一种区域生成网络负例选择方法、装置、计算机设备和可读存储介质。

背景技术

现有的图像检测网络一般分为两个阶段的网络，包括区域生成网络和后续的分类检测网络组成，通过区域生成网络获得的候选框训练样本中，一般是通过随机的方式来选取负例训练样本，导致后续两个网络的负例无法得到充分的训练，且对正例的训练帮助较小，当目标图像的特征不明显时，通过随机负样本训练的图像检测网络准确率较低，且误检率较大。

发明内容

鉴于上述问题，本发明提供了一种区域生成网络负例选择方法、装置、计算机设备和可读存储介质，以有效提升图像检测分类的准确率，减少误检。

为了实现上述目的，本发明采用如下的技术方案：

一种区域生成网络负例选择方法，包括：

在获取到区域生成网络的正例样本集后，获取与所述正例样本集中所有正例的尺寸参数一致的多个负例候选框，作为负例候选框集；

计算所述正例样本集中不同尺寸参数之间的数量比例；

根据所述数量比例从所述负例候选框集中筛选出相应比例的负例训练样本，作为负例样本集。

优选地，所述区域生成网络负例选择方法中，所述获取与所述正例样本集中所有正例的尺寸参数一致的多个负例候选框，作为负例候选框集包括：

在确定当前正例样本后，将当前正例样本的尺寸参数记录进尺寸参数集；

在获取负例样本时，从负例样本中筛选出所述尺寸参数集中各种尺寸参数的预设数量的负例样本，生成所述负例候选框集。

优选地，所述区域生成网络负例选择方法中，还包括：

利用所述负例样本集对图像分类检测网络进行负例训练。

优选地，所述区域生成网络负例选择方法中，所述尺寸参数包括候选框长度、候选框宽度和/或候选框面积。

本发明还提供一种区域生成网络负例选择装置，包括：

候选框集获取模块，用于在获取到区域生成网络的正例样本集后，获取与所述正例样本集中所有正例的尺寸参数一致的多个负例候选框，作为负例候选框集；

数量比例计算模块，用于计算所述正例样本集中不同尺寸参数之间的数量比例；

负例样本获取模块，用于根据所述数量比例从所述负例候选框集中筛选出相应比例的负例训练样本，作为负例样本集。

优选地，所述的区域生成网络负例选择装置中，所述候选框集获取模块包括：

尺寸参数记录单元，用于在确定当前正例样本后，将当前正例样本的尺寸参数记录进尺寸参数集；

候选框集生成单元，用于在获取负例样本时，从负例样本中筛选出所述尺寸参数集中各种尺寸参数的预设数量的负例样本，生成所述负例候选框集。

优选地，所述的区域生成网络负例选择装置中，还包括：