[发明专利]一种神经网络模型训练方法及装置

说明书

本发明提供了一种神经网络模型训练方法及装置，其中，该方法包括：提取预设数量的图像输入神经网络模型的多个残差结构层之后得到的该预设数量的图像的最后一残差结构层特征、多个中间残差结构层特征；分别将该预设数量的图像的最后一残差结构层特征与多个中间残差结构层特征中的一个或多个残差结构层特征进行特征层融合，得到该预设数量的图像的一个或多个图像特征；将该预设数量的图像的最后一残差结构层特征、该预设数量的图像的一个或多个图像特征输入到该神经网络模型的全连接层中，完成对该神经网络模型的训练，可以解决相关技术中针对行人识别中不同目标对象的体态、外貌非常相似时模型不易辨识的问题。

技术领域

本发明涉及计算机视觉领域，具体而言，涉及一种神经网络模型训练方法及装置。

背景技术

使用单层特征图来进行分类或者其他任务是常见的一种处理方式，一般情况下使用卷积神经网络中最高层的特征，因此随着卷积操作的不断进行，每个神经元的感受野不断增大，特征所包含的分类语义也更强。但是由于随着网络的不断深入，特征图的分辨率不断减小，此时特征所包含的细节信息如图像的位置信息等被丢失。所以对于一些特定的任务如目标检测和图像语义分割来说，只使用最后一层特征是不够的。

相关技术中提出多尺度特征融合，将卷积神经网络中不同阶段的特征单独的进行预测，然后综合不同的预测结果得到最优的预测结果。算法本身既考虑到了只是用高层特征带来的缺陷，同时也结合了低层特征包含的细节信息，并且综合多个预测结果使得最后的结果更加精确。但是使用多个全连接层无形中增加了网络的训练参数，使得训练过程更加繁琐。且针对行人识别中不同目标对象的体态、外貌非常相似时模型不易辨识。

针对相关技术中针对行人识别中不同目标对象的体态、外貌非常相似时模型不易辨识的问题，尚未提出解决方案。

发明内容

本发明实施例提供了一种神经网络模型训练方法及装置，以至少解决相关技术中针对行人识别中不同目标对象的体态、外貌非常相似时模型不易辨识的问题。

根据本发明的一个实施例，提供了一种神经网络模型训练方法，包括：

提取预设数量的图像输入神经网络模型的多个残差结构层之后得到的所述预设数量的图像的最后一残差结构层特征、多个中间残差结构层特征；

分别将所述预设数量的图像的最后一残差结构层特征与多个中间残差结构层特征中的一个或多个残差结构层特征进行特征层融合，得到所述预设数量的图像的一个或多个图像特征；

将所述预设数量的图像的最后一残差结构层特征、所述预设数量的图像的一个或多个图像特征输入到所述神经网络模型的全连接层中，完成对所述神经网络模型的训练。

可选地，分别将所述预设数量的图像的最后一残差结构层特征、多个中间残差结构层特征中的一个或多个残差结构层特征进行特征层融合，得到所述预设数量的图像的一个或多个图像特征包括：

分别采用加和的方式分别将所述预设数量的图像的最后一残差结构层特征、所述预设数量的图像的一个或多个残差结构层特征进行特征层融合，得到所述预设数量的图像的一个或多个图像特征。

可选地，在分别采用加和的方式分别将所述预设数量的图像的最后一残差结构层特征、所述预设数量的图像的一个或多个残差结构层特征进行特征层融合，得到所述预设数量的图像的一个或多个图像特征之前，所述方法还包括：

使用卷积核大小为1的卷积核对所述预设数量的图像的最后一残差结构层特征进行降维处理，得到所述预设数量的图像的降维后的最后一残差结构层特征；

分别对所述预设数量的图像的一个或多个残差结构层特征进行降维处理，得到所述预设数量的图像的一个或多个目标残差结构层特征。