[发明专利]用于多层次图像轮廓信息提取的神经网络训练方法及装置

权利要求书

1.一种用于多层次图像轮廓信息提取的神经网络训练方法，其特征在于，所述方法包括：

确定特征提取网络训练模型的网络架构；所述特征提取网络训练模型包括特征提取网络模型和连接至所述特征提取网络模型的输出的单通道特征卷积层；所述特征提取网络模型用于输出输入图像的多通道多层次的第一图像轮廓特征信息；所述单通道特征卷积层用于将所述特征提取网络模型输出的第一图像轮廓特征信息处理成单通道的图像轮廓特征信息；

将轮廓训练图像集输入至特征提取网络训练模型进行训练，直到所述特征提取网络训练模型的第一损失函数收敛，以得到训练后的所述特征提取网络模型。

2.根据权利要求1所述的用于多层次图像轮廓信息提取的神经网络训练方法，其特征在于，所述特征提取网络模型包括有多个用于分别提取不同层次的轮廓特征的特征提取层和相应的多个用于统一尺寸的尺寸统一层；所述将轮廓训练图像集输入至特征提取网络训练模型进行训练，直到所述特征提取网络训练模型的第一损失函数收敛，以得到训练后的所述特征提取网络模型，包括：

将轮廓训练图像集输入至多个所述特征提取层，以输出多个不同尺寸的图像轮廓特征；

将每一所述特征提取层输出的所述图像轮廓特征输入至对应的所述尺寸统一层，以得到多个同一尺寸的图像轮廓特征；

将所述多个同一尺寸的图像轮廓特征进行融合，以得到所述第一图像轮廓特征信息；

将所述第一图像轮廓特征信息输入至所述单通道特征卷积层，以得到单通道的图像轮廓特征信息；

重复上述步骤，基于反向传播更新所述特征提取网络模型的模型参数，直到第一损失函数收敛，以得到训练后的所述特征提取网络模型。

3.根据权利要求2所述的用于多层次图像轮廓信息提取的神经网络训练方法，其特征在于，所述轮廓训练图像集包括有多个经标注的轮廓训练图像；所述第一损失函数为所述单通道的图像轮廓特征信息与对应的轮廓训练图像之间的交叉熵损失。

4.根据权利要求1所述的用于多层次图像轮廓信息提取的神经网络训练方法，其特征在于，所述方法还包括：

将训练图像集输入至训练后的所述特征提取网络模型进行特征提取，以得到第二图像轮廓特征信息；

将所述训练图像集输入至第一性别分类网络模型，以得到图像性别特征信息；

将所述第二图像轮廓特征信息与所述图像性别特征信息进行融合，得到图像融合特征信息；

将所述图像融合特征信息输入至第二性别分类网络模型进行训练，直到收敛，得到目标神经网络模型；所述目标神经网络模型用于对输入图像的性别进行分类。

5.根据权利要求4所述的用于多层次图像轮廓信息提取的神经网络训练方法，其特征在于，所述将所述图像融合特征信息输入至第二性别分类网络模型进行训练，直到收敛，得到目标神经网络模型，包括：

将所述图像融合特征信息输入至第二性别分类网络模型进行训练；

基于反向传播，不断更新所述第一性别分类网络模型和/或所述第二性别分类网络模型的模型参数，直至第二损失函数收敛，以得到目标神经网络模型。

6.根据权利要求5所述的用于多层次图像轮廓信息提取的神经网络训练方法，其特征在于，所述第二损失函数为所述第二性别分类网络模型输出的性别预测信息与对应的训练图像的真实性别标签的softmax损失。

7.根据权利要求4所述的用于多层次图像轮廓信息提取的神经网络训练方法，其特征在于，所述方法还包括：

使用数据增强算法对所述训练图像集进行处理，以得到包括更多训练图像的训练图像集。