[发明专利]轮廓识别模型的训练方法和目标对象的检测方法

权利要求书

1.一种轮廓识别模型的训练方法，其特征在于，包括：

提供多个样本的基础数据，所述基础数据对应所述样本中识别对象的轮廓；

基于每个所述样本的所述基础数据获取多个训练数据；以及

基于带有所述多个训练数据的所述样本对神经网络模型进行训练，以使得所述神经网络模型能基于所述样本输出与所述多个训练数据分别对应的多个轮廓识别数据。

2.根据权利要求1所述的训练方法，其特征在于，所述基于带有所述多个训练数据的所述样本对神经网络模型进行训练包括：

提取所述样本的特征信息；

将所述特征信息输入所述神经网络模型，以获取与所述多个训练数据分别对应的多个轮廓识别数据；

基于所述多个轮廓识别数据以及所述多个训练数据获得损失结果；以及

基于所述损失结果，调整所述神经网络模型的参数。

3.根据权利要求1所述的训练方法，其特征在于，所述多个训练数据各自所对应的轮廓范围小于等于所述基础数据对应的识别对象的轮廓范围。

4.根据权利要求3所述的训练方法，其特征在于，所述基于样本的基础数据获取多个训练数据包括：

以所述基础数据对应的识别对象的轮廓的几何中心为缩放中心，按照M个不同的缩放倍数缩小所述基础数据对应的识别对象的轮廓，以获取M个训练数据。

5.根据权利要求2所述的训练方法，其特征在于，所述将所述特征信息输入神经网络模型，以获取与所述多个训练数据分别对应的多个轮廓识别数据包括：

利用卷积核大小为1×1，输出通道数为N的卷积层对所述特征信息进行卷积，以获得所述多个轮廓识别数据，N为所述训练数据的个数。

6.一种目标对象的检测方法，其特征在于，包括：

提取待检测图像的特征信息，所述待检测图像包括一个或多个目标对象；

将所述特征信息输入如权利要求1-5中任一所述的方法训练得到的轮廓识别模型，获得所述待检测图像的多个轮廓预测数据；

对所述多个轮廓预测数据进行特征叠加，获得预测叠加数据；以及

基于所述预测叠加数据，获得所述目标对象的轮廓数据。

7.根据权利要求6所述的检测方法，其特征在于，所述轮廓预测数据所对应的轮廓范围内的区域为目标区域，所述轮廓范围外的区域为背景区域其中，所述对所述多个轮廓预测数据进行特征叠加，获得预测叠加数据包括：

当所述多个轮廓预测数据中同一像素均位于目标区域时，则预测叠加数据中所述像素为第一目标对象的目标区域；

当所述多个轮廓预测数据中同一像素均位于背景区域时，则预测叠加数据中所述像素为背景区域；

当所述多个轮廓预测数据中同一像素分别位于目标区域和背景区域时，则预测叠加数据中所述像素为第二目标对象的目标区域。

8.根据权利要求7所述的检测方法，其特征在于，还包括：

利用卷积核为1×1，输出通道数与预设目标类别的个数相同的卷积层，对所述待检测图像的特征信息进行卷积，获得所述待检测图像的多个初步目标分类数据，所述初步目标分类数据包括用于表征所述待检测图像上的像素属于多个预设的目标类别中的某一种目标类别的类别概率值；

对所述多个初步目标分类数据中的每个像素对应的多个所述类别概率值进行最大概率取值，确定所述待检测图像中的每个像素分别属于的目标类别；以及

基于所述预测叠加数据，获得与所述预测叠加数据对应的目标分类结果。

9.根据权利要求8所述的检测方法，其特征在于，所述基于所述预测叠加数据，获得目标对象的轮廓数据包括：

基于所述待检测图像中的像素分别属于的目标类别，确定所述待检测图像的类别轮廓预测数据；以及

基于所述预测叠加数据以及所述类别轮廓预测数据，确定所述目标对象的轮廓数据。