[发明专利]神经网络模型训练方法及装置、存储介质及电子设备

说明书

本公开涉及图像处理技术领域，具体涉及一种神经网络模型训练方法及装置、计算机可读存储介质及电子设备，所述方法包括：获取样本图像；当所述样本图像为带预设标记框的样本图像时，根据预设规则确定是否对所述样本图像进行处理；当确定对所述样本图像进行处理时，根据所述预设标记框对所述样本图像进行处理；根据处理后的样本图像对待训练神经网络进行训练，得到所述神经网络模型。本公开实施例的技术方案能够对样本图像中的主对象区域进行增强，避免样本图像的其它区域对样本图像的主对象区域造成的干扰，提高了训练后的神经网络模型的准确性。

技术领域

本公开涉及图像处理技术领域，具体而言，涉及一种神经网络模型训练方法及装置、计算机可读存储介质及电子设备。

背景技术

随着人工智能的不断发展，越来越多的智能模型被不断的应用于各个领域中。在对处理图像的神经网络模型进行训练的过程中，图像增强是极其重要的步骤。当样本数量不足是，使用图像增强技术能够避免出现过拟合的问题；在样本数量充足时，使用图像增强技术能够提升训练后模型的准确性。

目前的图像增强技术主要包括以下几种策略：一是使用几何变换对样本图像进行增强，例如平移、旋转、缩放等；二是时候用随机亮度调整对样本图像进行增强；三是使用随机裁剪对样本图像进行增强。然而，上述三种增强策略在样本图像比较复杂时，均无法去除样本图像中其它区域对主对象区域的干扰，因此会导致训练后的神经网络模型的准确性较低。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种神经网络模型训练方法及装置、计算机可读存储介质及电子设备，进而至少在一定程度上克服由于无法去除样本图像中其它区域对主对象区域的干扰造成的训练后神经网络模型的准确性较低的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的第一方面，提供了一种神经网络模型训练方法，包括：

获取样本图像；

当所述样本图像为带预设标记框的样本图像时，根据预设规则确定是否对所述样本图像进行处理；

当确定对所述样本图像进行处理时，根据所述预设标记框对所述样本图像进行处理；

根据处理后的样本图像对待训练神经网络进行训练，得到所述神经网络模型。

在本公开的一种示例性实施例中，基于前述方案，所述根据所述预设标记框对所述样本图像进行处理，包括：

根据所述预设标记框对所述样本图像进行裁剪，得到所述处理后的样本图像。

在本公开的一种示例性实施例中，基于前述方案，所述根据所述预设标记框对所述样本图像进行处理，包括：

根据预设比例对所述预设标记框进行缩放，得到缩放后的标记框；

根据缩放后的标记框对所述样本图像进行裁剪，得到所述处理后的样本图像。

在本公开的一种示例性实施例中，基于前述方案，所述根据所述预设标记框对所述样本图像进行处理，还包括：

获取所述样本图像中预设标记框的顶点；

对所述预设标记框的顶点进行扰动，得到扰动后的标记框；

根据所述扰动后的标记框对所述样本图像进行裁剪，得到所述处理后的样本图像。

在本公开的一种示例性实施例中，基于前述方案，所述根据预设规则确定是否对所述样本图像进行处理，包括：

生成随机数；