[发明专利]利用网格生成器的神经网络运算方法及使用该方法的装置

权利要求书

1.一种利用网格生成器的神经网络运算方法，其特征在于，包括以下步骤：

(a)计算装置若获取到测试图像，则使非对象检测器检测出测试图像中存在的测试用非对象，获取所述测试用非对象的位置信息和所述测试用非对象的类别信息，所述测试用非对象的位置信息包括与所述测试用非对象在所述测试图像上位于哪个位置相关的信息，所述测试用非对象的类别信息包括与所述测试用非对象的类别相关的信息；

(b)所述计算装置使所述网格生成器参考所述测试用非对象的位置信息来生成区块信息，所述区块信息包含与所述测试图像中的多个子区块相关的信息；

(c)所述计算装置使神经网络参考学习用参数来确定测试用参数，所述测试用参数用于将所述神经网络运算应用到(i)包含各测试用对象和与其对应的所述测试用非对象的所述子区块中的至少一部分或者(ii)在所述子区块中的所述至少一部分之中各所述测试用非对象所在的各子区域，所述学习用参数是利用与各学习用非对象相关的信息学习的，与各所述学习用非对象相关的信息具有与各所述测试用非对象的所述类别信息相同或相似的类别信息；以及

(d)所述计算装置使所述神经网络利用分别与所述子区块中所述至少一部分对应的各所述测试用参数，将所述神经网络运算应用到所述测试图像中，输出一个以上的神经网络结果。

2.如权利要求1所述的神经网络运算方法，其特征在于，

在所述步骤(b)中，

所述网格生成器使用动态模板来划分所述测试图像，提供一个以上的边界线被调整的所述动态模板，使得所述测试用非对象中的至少一个被包含在所述动态模板的所述子区块的所述至少一部分的每一个中。

3.如权利要求2所述的神经网络运算方法，其特征在于，

所述网格生成器管理与所述动态模板相关的信息，所述动态模板包括(i)第一方向上的至少一个第一边界线和(ii)第二方向上的至少一个第二边界线中的至少一部分，其中一部分边界线是可调整的。

4.如权利要求2所述的神经网络运算方法，其特征在于，

所述动态模板包括行组和一个以上的列组，所述行组具有(i)上行组、(ii)包括所述列组中的至少一部分的中间行组以及(iii)下行组，至少一个所述测试用非对象分别被包含在由所述行组和所述列组形成的所述子区块中所述至少一部分的每一个中。

5.如权利要求1所述的神经网络运算方法，其特征在于，

在所述步骤(a)之前，还包括以下步骤：

(a0)所述计算装置使所述神经网络利用与一个以上的训练图像所包含的各所述学习用非对象相关的信息，学习所述学习用参数。

6.如权利要求5所述的神经网络运算方法，其特征在于，

在所述步骤(a0)中，

所述神经网络使用与各所述学习用非对象相关的信息来学习所述学习用参数，并且将与所述学习用非对象相关的类别信息与对应于所述学习用非对象的学习用参数相关联地进行存储，与各所述学习用非对象相关的信息被包含在包括于所述训练图像中的第一分割区域至第k分割区域的分割区域中的至少一部分的每一个中。

7.如权利要求6所述的神经网络运算方法，其特征在于，

在各所述训练图像上，当将所述第一分割区域至所述第k分割区域的位置信息称为第一位置信息至第k位置信息时，如果所述训练图像的每一个的第一位置信息的相对偏差至所述第k位置信息的相对偏差中的至少一部分的每一个低于或等于预设阈值，则将其选定为所述训练图像。