[发明专利]网络训练方法、装置、芯片、终端设备及存储介质

说明书

本申请实施例提供一种网络训练方法、装置、芯片、终端设备及存储介质，该网络训练方法包括：获取特征图，特征图包括目标标注框；在特征图上设置K个先验锚点框，K为大于或等于2的整数；确定K个先验锚点框中的正样本锚点框和负样本锚点框，其中，正样本锚点框的中心点在目标标注框内；将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目标检测网络进行优化。本申请实施例可以提高目标检测网络的训练效果。

技术领域

本申请涉及机器学习技术领域，具体涉及一种网络训练方法、装置、芯片、终端设备及存储介质。

背景技术

而随着人工智能的发展，基于卷积神经网络的目标检测网络已经成为了一种主流的目标检测方法。目标检测网络的训练中重要的一环就是训练样本，一是对正负样本的分类策略决定了正样本的质量，二是一般检测网络都存在正负样本不平衡和难易样本不均衡的问题，会导致网络训练困难。

目前，一般采用设置交并比阈值作为正负样本分类的策略，即对预设的样本框基于交并比阈值进行正负样本的分类，如果交并比阈值大于设定的阈值，则判定该样本是正样本，否则为负样本。然而，仅采用交并比阈值作为正负样本的判别标准，该判别标准过于单一，且交并比阈值并不能很全面地反应样本的质量，交并比阈值的取值对于正负样本的质量影响非常大，使得目标检测网络的训练效果较差。

发明内容

本申请实施例提供一种网络训练方法、装置、芯片、终端设备及存储介质，可以提高目标检测网络的训练效果。

本申请实施例的第一方面提供了一种网络训练方法，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。

本申请实施例的第二方面提供了一种芯片，包括处理器，所述处理器配置成执行本申请实施例第一方面中的步骤指令。

本申请实施例的第三方面提供了一种网络训练装置，包括：

获取单元，用于获取特征图，所述特征图包括目标标注框；

设置单元，用于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；

确定单元，用于确定所述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；

训练单元，用于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。

本申请实施例的第四方面提供了一种终端设备，包括处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如本申请实施例第一方面中的步骤指令。

本申请实施例的第五方面提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如本申请实施例第一方面中的步骤指令。

本申请实施例的第六方面提供了一种计算机程序产品，其中，上述计算机程序产品包括计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如本申请实施例第一方面中的步骤指令。