[发明专利]安检图像分类模型训练方法、安检图像分类方法及装置

说明书

本申请公开了安检图像分类模型训练方法、安检图像分类方法及装置，安检图像分类模型包括第一网络结构和第二网络结构；安检图像分类模型的训练过程，通过获取已标注标签的安检训练图像；利用第一网络结构提取特征图，并基于提取的特征图预测第一分类结果；基于第一分类结果及标签，计算第一网络结构的第一损失；利用第二网络结构对特征图进行形状特征提取，得到形状特征图，并基于形状特征图预测第二分类结果；基于第二分类结果及标签，计算第二网络结构的第二损失；基于第一损失及所述第二损失，计算安检图像分类模型的总损失，并基于总损失调整安检图像分类模型的网络参数，直至达到设定训练结束条件为止，得到训练后的安检图像分类模型。

技术领域

本申请涉及分类领域，更具体地说，涉及一种安检图像分类模型训练方法、安检图像分类方法及装置。

背景技术

越来越多人选择地铁和高铁作为出行方式，而不管是选择高铁还是地铁，人们在进站前都需要进行安检，以保证人们的出行安全。此外，网购的便捷，导致人们越来越愿意网上购物，包裹数量急剧增多，在包裹的运输过程中，也需要进行安检，以保证社会安全。因而，安检技术成为了人们关注的焦点。特别地，在行李和包裹中一般存在多件物品，基于此，在安检机所采集到的安检图像中的各个物品图像之间易存在交叠，即，危险品图像及普通物品图像在安检图像中易存在重叠，这为安检技术带来了较大的挑战。

基于此，为了解决上述的问题，可以引入能够分辨安检图像中各个重叠物品类别的分类模型，对安检图像进行分类。其中，分类模型的准确率是能否分辨安检图像中各个重叠物品类别的关键，因而，亟需一种分类模型的训练方法，用于在安检图像训练数据集上进行训练，能够提高神经网络的准确率，以保证安检过程中能够分辨各个重叠物品类别，并以此为依据进行安检图像分类。

发明内容

有鉴于此，本申请提供了一种安检图像分类模型训练方法、安检图像分类方法及装置，用于在安检图像训练数据集上进行训练，以保证安检过程中能够分辨各个重叠物品类别，并以此为依据进行安检图像分类。

为了实现上述目的，现提出的方案如下：

一种安检图像分类模型训练方法，安检图像分类模型包括第一网络结构和第二网络结构；

所述安检图像分类模型的训练过程，包括：

获取已标注分类结果标签的安检训练图像；

利用所述第一网络结构提取所述安检训练图像的特征图，并基于提取的特征图预测安检训练图像的第一分类结果；

基于所述第一分类结果及所述安检训练图像标注的分类结果标签，计算第一网络结构的第一损失；

利用所述第二网络结构对所述第一网络结构提取的特征图进行形状特征提取，得到形状特征图，并基于所述形状特征图预测安检训练图像的第二分类结果；

基于所述第二分类结果及所述安检训练图像标注的分类结果标签，计算第二网络结构的第二损失；

基于所述第一损失及所述第二损失，计算安检图像分类模型的总损失，并基于所述总损失调整所述安检图像分类模型的网络参数，直至达到设定训练结束条件为止，得到训练后的安检图像分类模型。

优选地，所述第二网络结构包括形状特征提取层；

利用所述第二网络结构对所述第一网络结构提取的特征图进行形状特征提取，包括：

利用所述形状特征提取层对所述第一网络结构提取的特征图进行形状特征提取，其中，所述形状特征提取层，利用边缘检测算子对所述第一网络结构提取的特征图进行形状特征提取。

优选地，所述边缘检测算子包括Sobel算子；

利用边缘检测算子对所述第一网络结构提取的特征图进行形状特征提取，包括：

利用Sobel算子对所述第一网络结构提取的特征图进行水平方向形状特征提取，得到水平形状特征图；

利用Sobel算子对所述第一网络结构提取的特征图进行竖直方向形状特征提取，得到竖直形状特征图；