[发明专利]一种神经网络的训练方法、物体检测方法、装置及设备

权利要求书

1.一种神经网络的训练方法，其特征在于，应用于目标神经网络，所述目标神经网络包括第一特征提取子网络和物体检测子网络，所述训练方法包括：

通过所述第一特征提取子网络提取第一支持样本中物体的类别特征以及第二支持样本中物体的类别特征，所述第二支持样本是对所述第一支持样本进行第一变换得到的；

获取第一损失函数，所述第一损失函数用于计算所述第一支持样本中物体的类别特征以及所述第二支持样本中物体的类别特征间的差异；

基于所述第二支持样本中物体的类别特征且通过所述物体检测子网络，对查询样本中的物体进行检测，以得到检测结果；

基于所述检测结果和所述查询样本中的物体的标签获取第二损失函数；

基于所述第一损失函数和所述第二损失函数更新所述目标神经网络的参数。

2.根据权利要求1所述的训练方法，其特征在于，所述第二支持样本为带标签的样本。

3.根据权利要求1所述的训练方法，其特征在于，所述第二支持样本为无标签的样本。

4.根据权利要求1至3中任意一项所述的训练方法，其特征在于，所述基于所述第二支持样本中物体的类别特征且通过所述物体检测子网络，对查询样本中的物体进行检测，以得到检测结果包括：

获取查询样本中目标区域的特征；

基于所述第二支持样本中物体的类别特征和所述目标区域的特征，且通过所述物体检测子网络对所述查询样本中的物体进行检测，以得到检测结果。

5.根据权利要求4所述的训练方法，其特征在于，所述目标神经网络还包括第二特征提取子网络、区域提取子网络和第三特征提取子网络；

所述获取查询样本中目标区域的特征包括：

通过所述第二特征提取子网络提取查询样本的特征图像；

对所述查询样本进行第二变换；

通过所述区域提取子网络从经过所述第二变换后的查询样本中提取目标区域；

通过所述第三特征提取子网络提取所述特征图像中所述目标区域的特征。

6.根据权利要求4或5所述的训练方法，其特征在于，所述基于所述第二支持样本中物体的类别特征和所述目标区域的特征，且通过所述物体检测子网络对所述查询样本中的物体进行检测，以得到检测结果包括：

通过融合子网络将所述目标区域的特征与所述第二支持样本中物体的类别特征融合，以得到融合特征；

以所述融合特征为所述物体检测子网络的输入，获取所述物体检测子网络对所述查询样本中的物体的检测结果。

7.根据权利要求6所述的训练方法，其特征在于，所述融合子网络属于所述目标神经网络。

8.根据权利要求1至7中任意一项所述的训练方法，其特征在于，所述第一变换包括颜色扭曲处理、高斯噪声处理或高斯模糊处理。

9.根据权利要求1至8中任意一项所述的训练方法，其特征在于，所述第二变换包括颜色扭曲处理、高斯噪声处理或高斯模糊处理。

10.根据权利要求1至9中任意一项所述的训练方法，其特征在于，所述训练方法还包括：

以所述第一支持样本中物体的类别特征为第一分类神经网络的输入，获取所述第一分类神经网络的输出；

基于所述第一分类网路的输出以及所述第一支持样本的标签，获取第三损失函数；

基于所述第三损失函数更新所述第一特征提取子网络的参数。

11.根据权利要求1至10中任意一项所述的训练方法，其特征在于，所述训练方法还包括：

以所述第二支持样本中物体的类别特征为第二分类神经网络的输入，获取所述第二分类神经网络的输出；

基于所述第二分类网路的输出以及所述第二支持样本的标签，获取第四损失函数；

基于所述第四损失函数更新所述第一特征提取子网络的参数。