[发明专利]一种神经网络训练方法、图像检测方法及其设备

权利要求书

1.一种神经网络训练方法，其特征在于，所述神经网络训练方法包括：

获取训练图像集，所述训练图像集包括第一分辨率图像和第二分辨率图像，所述第一分辨率图像的分辨率高于所述第二分辨率图像的分辨率；

将所述第一分辨率图像输入第一神经网络进行训练，获取第一损失值；

将所述第二分辨率图像输入第二神经网络进行训练，获取第二损失值；

基于所述第一损失值和所述第二损失值，计算总体损失值；

利用所述总体损失值对所述第二神经网络进行网络参数更新，得到最终神经网络。

2.根据权利要求1所述的神经网络训练方法，其特征在于，

所述第一分辨率图像和所述第二分辨率图像由同一图像经过不同分辨率处理得到；所述第一神经网络至少包括所述第二神经网络的网络结构。

3.根据权利要求1所述的神经网络训练方法，其特征在于，

所述基于所述第一损失值和所述第二损失值，计算总体损失值，包括：

设置一平衡参数；

利用所述平衡参数将所述第一损失值和所述第二损失值加权相加，得到所述总体损失值。

4.根据权利要求1所述的神经网络训练方法，其特征在于，

所述利用所述总体损失值对所述第二神经网络进行网络参数更新，得到最终神经网络，包括：

利用所述总体损失值对所述第一神经网络进行网络参数更新，得到所述第一神经网络的第一网络参数；

将所述第一网络参数共享给所述第二神经网络，以对所述第二神经网络进行网络参数更新，得到最终神经网络。

5.根据权利要求4所述的神经网络训练方法，其特征在于，

所述利用所述总体损失值对所述第二神经网络进行网络参数更新，得到最终神经网络，包括：

利用所述总体损失值对所述第一神经网络进行网络参数更新，得到所述第一神经网络的第三网络参数；

利用所述总体损失值对所述第二神经网络进行网络参数更新，得到所述第二神经网络的第二网络参数；

基于所述第二网络参数和所述第三网络参数，计算得到最终网络参数以及所述最终网络参数组成的最终神经网络。

6.根据权利要求1所述的神经网络训练方法，其特征在于，

所述将所述第一分辨率图像输入第一神经网络进行训练，获取第一损失值之后，所述神经网络训练方法还包括：

将所述第一损失值与预设损失阈值进行比较；

在所述第一损失值小于等于所述预设损失阈值时，固定所述第一神经网络的网络参数。

7.一种图像检测方法，其特征在于，所述图像检测方法包括：

获取预先训练的神经网络，其中，所述神经网络通过权利要求1至6任一项所述的神经网络训练方法训练得到；

获取待检测视频，对所述待检测视频进行处理，提取所述待检测视频中符合所述神经网络输入的至少一个待检测图像；

将所述至少一个待检测图像输入所述神经网络，检测所述待检测图像中目标对象。

8.根据权利要求7所述的图像检测方法，其特征在于，

所述待检测视频为采集设备对厨房中监控区域拍摄的视频，所述目标对象为老鼠。

9.一种终端设备，其特征在于，所述终端设备包括存储器以及与所述存储器耦接的处理器；

其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现如权利要求1至6任一项所述的神经网络训练方法和/或权利要求7至8任一项所述的图像检测方法。

10.一种计算机存储介质，其特征在于，所述计算机存储介质用于存储程序数据，所述程序数据在被计算机执行时，用以实现如权利要求1至6任一项所述的神经网络训练方法和/或权利要求7至8任一项所述的图像检测方法。