[发明专利]网络训练方法、装置、芯片、终端设备及存储介质

权利要求书

1.一种网络训练方法，其特征在于，包括：

获取特征图，所述特征图包括目标标注框；

在所述特征图上设置K个先验锚点框，K为大于或等于2的整数；

确定所述K个先验锚点框中的正样本锚点框和负样本锚点框，其中，所述正样本锚点框的中心点在所述目标标注框内；

将所述特征图输入目标检测网络，计算每个先验锚点框的损失，基于每个先验锚点框的损失对所述目标检测网络进行优化。

2.根据权利要求1所述的方法，其特征在于，所述确定所述K个先验锚点框中的正样本锚点框和负样本锚点框，包括：

确定所述K个先验锚点框中与所述目标标注框的距离小于第一阈值的M个候选正样本锚点框；

计算每个候选正样本锚点框与所述目标标注框之间的交并比，从所述M个候选正样本锚点框中选择中心点在所述目标标注框内，并且交并比大于第二阈值的锚点框作为正样本锚点框；

将所述K个先验锚点框中除所述正样本锚点框之外的锚点框作为负样本锚点框。

3.根据权利要求2所述的方法，其特征在于，所述第二阈值等于交并比均值与交并比标准差之和；所述交并比均值为所述M个候选正样本锚点框与所述目标标注框之间的交并比均值，所述交并比标准差为所述M个候选正样本锚点框与所述目标标注框的交并比标准差。

4.根据权利要求1所述的方法，其特征在于，所述在所述特征图上设置K个先验锚点框，包括：

获得训练图像，对所述训练图像进行多尺度特征提取，得到多个不同尺寸的特征图；

在每个尺寸的特征图上，设置不同尺寸的先验锚点框，得到每个尺寸的特征图对应的个先验锚点框。

5.根据权利要求1～4任一项所述的方法，其特征在于，所述将所述特征图输入目标检测网络，计算每个先验锚点框的损失，包括：

将所述特征图输入目标检测网络，得到每个先验锚点框的分类结果和回归结果；

基于每个先验锚点框的分类结果计算每个先验锚点框的分类损失，基于每个先验锚点框的回归结果计算每个先验锚点框的回归损失；每个先验锚点框的损失包括每个先验锚点框的分类损失和回归损失。

6.根据权利要求5所述的方法，其特征在于，所述基于每个先验锚点框的分类结果计算每个先验锚点框的分类损失，包括：

在先验锚点框的分类结果为正样本的情况下，按照如下公式计算每个先验锚点框的分类损失：

L1＝-(1-p)^γlog(p)；

在先验锚点框的分类结果为负样本的情况下，按照如下公式计算每个先验锚点框的分类损失：

L1＝-(1-α)p^γlog(1-p)；

其中，L1是分类损失，α和γ是超参数，p是分类结果为正样本的概率。

7.根据权利要求5所述的方法，其特征在于，所述基于每个先验锚点框的回归结果计算每个先验锚点框的回归损失，包括：

基于每个先验锚点框的回归结果确定每个先验锚点框对应的预测框的位置参数；

基于每个先验锚点框对应的预测框的位置参数与所述目标标注框的位置参数计算每个先验锚点框的回归损失。

8.根据权利要求7所述的方法，其特征在于，基于每个先验锚点框对应的预测框的位置参数与所述目标标注框的位置参数计算每个先验锚点框的回归损失，包括：

基于每个先验锚点框对应的预测框的位置参数与所述目标标注框的位置参数，确定包围每个先验锚点框对应的预测框和所述目标标注框的最小包围框；

基于每个先验锚点框对应的预测框、所述目标标注框和所述最小包围框计算每个先验锚点框的回归损失。

9.一种芯片，包括处理器，所述处理器配置成执行权利要求1-7中任一项所述的方法。