[发明专利]神经网络模型的训练方法、图像检测方法及装置有效
| 申请号： | 201910794384.1 | 申请日： | 2019-08-27 |
| 公开（公告）号： | CN110516671B | 公开（公告）日： | 2022-06-07 |
| 发明（设计）人： | 王子愉;黄浩智;姜文浩;刘威 | 申请（专利权）人： | 腾讯科技（深圳）有限公司 |
| 主分类号： | G06V10/25 | 分类号： | G06V10/25;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京派特恩知识产权代理有限公司 11270 | 代理人： | 崔晓岚;张颖玲 |
| 地址： | 518000 广东省深圳*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种用于图像检测的神经网络模型的训练方法、图像检测方法、装置、设备及存储介质；方法包括：通过神经网络模型对源域和目标域中的图像进行特征提取，根据提取到的图像的特征确定候选区域；并确定候选区域中围绕实例的目标区域、以及实例的分类结果；对图像进行分类，得到包括图像属于目标域的类别的分类结果，并根据分类结果确定图像域分类的损失；通过神经网络模型对实例进行分类，得到包括实例属于目标域的类别的分类结果，并根据分类结果确定实例域分类的损失；将实例域分类的损失和图像域分类的损失分别代入损失函数，根据损失函数确定梯度，并根据梯度更新神经网络模型的参数。通过本发明，能够提高图像目标检测的精度。 | ||
| 搜索关键词： | 神经网络 模型 训练 方法 图像 检测 装置 | ||
【主权项】：
1.一种用于图像检测的神经网络模型的训练方法，其特征在于，所述方法包括：/n通过所述神经网络模型对源域和目标域中的图像进行特征提取，根据提取到的图像的特征确定所述图像中的候选区域；/n通过所述神经网络模型确定所述候选区域中围绕实例的目标区域、以及所述实例的分类结果；/n通过所述神经网络模型对所述图像进行分类，得到包括所述图像属于目标域的类别的分类结果，并根据所述图像的分类结果确定图像域分类的损失；/n通过所述神经网络模型对所述实例进行分类，得到包括所述实例属于目标域的类别的分类结果，并根据所述实例的分类结果确定实例域分类的损失；/n将所述实例域分类的损失和所述图像域分类的损失分别代入损失函数，根据所述损失函数确定梯度，并根据所述梯度更新所述神经网络模型的参数。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于腾讯科技（深圳）有限公司，未经腾讯科技（深圳）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910794384.1/，转载请声明来源钻瓜专利网。
