[发明专利]一种图像检测方法、装置、存储介质和电子设备

说明书

本发明公开一种图像检测方法、装置、存储介质和电子设备，包括：获取神经网络层的初始化参数的分布，该神经网络层为图像检测神经网络中的神经网络层；基于马尔可夫蒙特卡洛对该初始化参数的分布进行采样处理，得到目标初始化参数；采用包括图像数据的训练数据对包括该目标初始化参数的图像检测神经网络进行训练，得到训练后的图像检测神经网络；该训练后的图像检测神经网络用于进行图像检测。本发明通过基于马尔可夫蒙特卡洛对图像检测神经网络初始化参数的分布进行采样处理，得到目标初始化参数，目标初始化参数中各元素之间为非线性关系，可以使得图像检测神经网络的训练易于收敛，收敛速度快，训练后的图像检测神经网络的图像检测准确度高。

技术领域

本发明涉及图像检测领域，尤其涉及一种图像检测方法、装置、存储介质和电子设备。

背景技术

车辆自动驾驶中需要通过图像检测对车辆所处的交通环境进行检测，通常采用图像检测模型进行该检测过程。对于训练用于图像检测的神经网络检测模型，操作者需要指定开始迭代的参数初始点，并在训练过程中对参数进行调整以获取可用的参数。训练用于车辆自动驾驶的神经网络检测模型很大程度上受选择的参数初始点的影响。参数初始点能够决定用于训练的训练算法是否收敛，决定训练算法收敛的速度等，此外，参数初始点的选择还将影响神经网络检测模型的泛化。

现有的深度学习神经网络模型初始化策略是简单的启发式初始化策略。大多数初始化策略能使神经网络检测模型在某项特定任务中是有利的，但是，不利于神经网络检测模型泛化。

发明内容

为了解决上述技术问题，本发明提供一种图像检测方法、装置、存储介质和电子设备，可以实现用于图像检测的图像检测神经网络在训练时能够收敛，收敛速度快，且训练后的图像检测神经网络的图像检测准确度高，有利于图像检测神经网络泛化。

为了达到上述发明的目的，本发明提供了一种图像检测方法，该方法包括：

获取神经网络层的初始化参数的分布，该神经网络层为图像检测神经网络中的神经网络层；

基于马尔可夫蒙特卡洛对该初始化参数的分布进行采样处理，得到目标初始化参数；

采用训练数据对包括该目标初始化参数的图像检测神经网络进行训练，得到训练后的图像检测神经网络；该训练后的图像检测神经网络用于进行图像检测，该训练数据包括图像数据。

可选地，其中，该神经网络的初始化参数为该图像检测神经网络的权值和/或偏置。

可选地，该神经网络层的初始化参数的分布的类型为高斯正态分布。

可选地，该基于马尔可夫蒙特卡洛对该初始化参数的分布进行采样处理，得到目标初始化参数，包括：

基于马尔可夫蒙特卡洛对该初始化参数的分布进行采样处理，得到随机初始化参数；

对该随机初始化参数进行稀疏处理，得到稀疏初始化参数，将该稀疏初始化参数作为目标初始化参数。

另一方面，本发明还提供一种图像检测装置，该装置包括：

初始化参数分布获取模块，获取神经网络层的初始化参数的分布，该神经网络层为图像检测神经网络中的神经网络层；

采样模块，基于马尔可夫蒙特卡洛对该初始化参数的分布进行采样处理，得到目标初始化参数；

训练模块，用于采用训练数据对包括该目标初始化参数的图像检测神经网络进行训练，得到训练后的图像检测神经网络；该训练后的图像检测神经网络用于进行图像检测，该训练数据包括图像数据。

另一方面，本发明还提供一种计算机可读存储介质，该存储介质中存储有程序，该程序由处理器加载并执行以实现如上述技术方案所述的图像检测方法。