分类网络的确定方法、图像检测方法、装置、设备及介质制造方法及图纸

本发明专利技术实施例提供了一种分类网络的确定方法、图像检测方法、装置、设备及介质，所述方法包括：获取多个子类别和多个父类别；确定所述多个子类别与所述多个父类别之间的类别关系；根据所述类别关系，对预设分类网络的参数值进行更新，以利用参数值更新后的预设分类网络对所述多个子类别进行分类。采用本发明专利技术技术方案，不仅可以提高对大样本类别的物体的检测准确度，也能提高对小样本类别的物体的检测准确度。

【技术实现步骤摘要】
分类网络的确定方法、图像检测方法、装置、设备及介质
本专利技术涉及图像处理
，特别是涉及一种分类网络的确定方法、图像检测方法、装置、设备及介质。
技术介绍
利用机器学习对物体进行检测时，面临的主要困难是数据不平衡导致的物体检测准确度不高，特别是在超大规模物体检测任务中(如1000类物体的检测问题)，这个困难被放大，造成大规模长尾分布物体检测问题。相关技术中，为了解决数据不平衡导致的物体检测准确度不高的问题，一般的解决方案分为三种：基于数据采样的方法、基于损失函数加权的方法以及基于数据增强的方法。其中，基于数据采样的方法一般分为欠采样和过采样两种，由于物体检测中，一张图片往往包含多个物体的矩形包围框，通常需要手动设计合适的采样策略，算法设计相对复杂，且需要繁复的调参工作，另外基于采样容易过拟合。基于损失函数加权的方法是通过对小样本类别和大样本类别赋以不同的权重，改善优化过程，以提升小样本的性能，这类方法往往性能提升有限，且训练过程不稳定。基于数据增强的方法，需要使用复杂的数据增强策略，针对物体检测任务，数据增强往往需要对于前景物体边界进行平滑操作，一方面目前缺少有效的物体检测数据增强方法，另一方面这类方法计算复杂度和时间占用也比较高，基于数据增强的带来的性能增益也十分有限。因此，相关技术中仍然存在对物体检测的检测准确度不高、性能不佳的技术问题。
技术实现思路
鉴于上述问题，提出了一种分类网络的确定方法、图像检测方法、装置、设备及介质，以克服上述问题或者至少部分地解决上述问题。为了解决上述问题，本专利技术的第一方面公开了一种分类网络的确定方法，述方法包括：获取多个子类别和多个父类别；确定所述多个子类别与所述多个父类别之间的类别关系；根据所述类别关系，对预设分类网络的参数值进行更新，以利用参数值更新后的预设分类网络对所述多个子类别进行分类。可选地，确定所述多个子类别与所述多个父类别之间的类别关系，包括：对所述多个子类别进行聚类；其中，一个子类别被聚类到一个父类别；确定每个子类别在被聚类到的父类别中的分配比例，以得到所述类别关系。可选地，根据所述类别关系，对预设分类网络的参数值进行更新，包括：根据所述多个子类别和所述多个父类别各自在所述预设分类网络中的参数值，以及每个子类别在被聚类到的父类别中的分配比例，对所述多个子类别各自在所述预设分类网络中的参数值进行更新。可选地，所述预设分类网络中所述多个父类别各自对应的参数值是按照以下步骤确定的：根据聚类结果，确定每个父类别包含的各个子类别；将被聚类到同一父类别的各个子类别在所述预设分类网络中的参数值之和，确定为该父类别的参数预估值；通过全连接网络对每个父类别的参数预估值进行变换，得到每个父类别在所述预设分类网络中的参数值。可选地，对所述多个子类别进行聚类并确定每个子类别在被聚类到的父类别中的分配比例，包括：将所述多个子类别输入预先训练的类别处理模型，得到所述类别处理模型输出的聚类结果，以及每个子类别在被聚类到的父类别中的分配比例；其中，所述类别处理模型是以多个子类别样本为输入，对预设模型进行多次训练后得到的。本专利技术是实施例的第二方面、提供了一种图像检测方法，所述方法包括：对待检测图像中位于标记框内的图像区域进行特征提取，得到所述图像区域的图像特征；将所述图像特征输入到分类网络中，得到所述分类网络输出的所述待检测图像中的物体属于每个子类别的分类分数；根据所述待检测图像中的物体属于每个子类别的分类分数，确定所述待检测图像中的物体的类别；其中，所述分类网络为根据多个父类别和多个子类别之间的类别关系，对预设分类网络进行更新后的网络。可选地，所述分类网络输出的所述待检测图像中的物体属于每个子类别的分类分数，是通过以下步骤得到的：对所述图像特征进行归一化，并对每个子类别在所述分类网络中的参数值进行归一化；根据归一化后的特征和归一化后的参数值，按照以下公式，得到所述待检测图像中的物体属于每个子类别的分类分数；其中，f为所述图像区域的特征，w为每个子类别在所述分类网络中的参数值，γ为每个子类别对应的系数。可选地，所述分类网络是按照本专利技术实施例第一方面所述的分类网络的确定方法，对预设分类网络进行处理后得到的。本专利技术是实施例的第三方面，提供了一种分类网络的确定装置，所述装置包括：获取模块，用于获取多个子类别和多个父类别；类别关系确定模块，用于确定所述多个子类别与所述多个父类别之间的类别关系；网络更新模块，用于根据所述类别关系，对预设分类网络的参数值进行更新，以利用参数值更新后的预设分类网络对所述多个子类别进行分类。本专利技术是实施例的第四方面，提供了一种图像检测装置，所述装置包括：特征提取模块，用于对待检测图像中位于标记框内的图像区域进行特征提取，得到所述待检测图像的图像特征；分类分数确定模块，用于将所述图像特征输入到分类网络中，得到所述分类网络输出的所述待检测图像中的物体属于每个子类别的分类分数；类别确定模块，用于根据所述待检测图像中的物体属于每个子类别的分类分数，确定所述待检测图像中的物体的类别；其中，所述分类网络为根据多个父类别和多个子类别之间的类别关系，对预设分类网络进行更新后的网络。本专利技术实施例的第五方面，提供了一种电子设备，包括：一个或多个处理器；和其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述设备执行如本专利技术实施例第一方面所述的分类网络的确定方法或第二方面所述的图像检测方法。本专利技术实施例的第六方面，提供了一种计算机可读存储介质，其存储的计算机程序使得处理器执行如本专利技术实施例第一方面所述的分类网络的确定方法或第二方面所述的图像检测方法。本专利技术实施例包括以下优点：在本专利技术实施例中，可以获取多个子类别和多个父类别，并根据多个子类别和多个父类别，确定多个子类别与多个父类别之间的类别关系，之后，根据子类别和父类别之间的类别关系，对预设分类网络的参数值进行更新，以利用更新后的预设分类网络进行子类别的分类。由于确定了子类别和父类别之间的类别关系，根据类别关系可以对子类别在预设分类网络中的参数值进行更新，进而可以使得子类别从父类别中迁移来一些参数，提高了子类别在预设分类网络中的参数值的准确性，继而提高对分类网络对物体的检测准确度。因此，采用本专利技术的技术方案，不仅可以提高对大样本类别的物体的检测准确度，也能提高对小样本类别的物体的检测准确度。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图图1是本发本文档来自技高网...

【技术保护点】
1.一种分类网络的确定方法，其特征在于，所述方法包括：/n获取多个子类别和多个父类别；/n确定所述多个子类别与所述多个父类别之间的类别关系；/n根据所述类别关系，对预设分类网络的参数值进行更新，以利用参数值更新后的预设分类网络对所述多个子类别进行分类。/n

【技术特征摘要】
1.一种分类网络的确定方法，其特征在于，所述方法包括：
获取多个子类别和多个父类别；
确定所述多个子类别与所述多个父类别之间的类别关系；
根据所述类别关系，对预设分类网络的参数值进行更新，以利用参数值更新后的预设分类网络对所述多个子类别进行分类。


2.根据权利要求1所述的方法，其特征在于，确定所述多个子类别与所述多个父类别之间的类别关系，包括：
对所述多个子类别进行聚类；其中，一个子类别被聚类到一个父类别；
确定每个子类别在被聚类到的父类别中的分配比例，以得到所述类别关系。


3.根据权利要求2所述的方法，其特征在于，根据所述类别关系，对预设分类网络的参数值进行更新，包括：
根据所述多个子类别和所述多个父类别各自在所述预设分类网络中的参数值，以及每个子类别在被聚类到的父类别中的分配比例，对所述多个子类别各自在所述预设分类网络中的参数值进行更新。


4.根据权利要求3所述的方法，其特征在于，所述预设分类网络中所述多个父类别各自对应的参数值是按照以下步骤确定的：
根据聚类结果，确定每个父类别包含的各个子类别；
将被聚类到同一父类别的各个子类别在所述预设分类网络中的参数值之和，确定为该父类别的参数预估值；
通过全连接网络对每个父类别的参数预估值进行变换，得到每个父类别在所述预设分类网络中的参数值。


5.根据权利要求2所述的方法，其特征在于，对所述多个子类别进行聚类并确定每个子类别在被聚类到的父类别中的分配比例，包括：
将所述多个子类别输入预先训练的类别处理模型，得到所述类别处理模型输出的聚类结果，以及每个子类别在被聚类到的父类别中的分配比例；
其中，所述类别处理模型是以多个子类别样本为输入，对预设模型进行多次训练后得到的。


6.一种图像检测方法，其特征在于，所述方法包括：
对待检测图像中位于标记框内的图像区域进行特征提取，得到所述图像区域的图像特征；
将所述图像特征输入到分类网络中，得到所述分类网络输出的所述待检测图像中的物体属于每个子类别的分类分数；
根据所述待检测图像中的物体属于每个子类别的分类分数，确定所述待检测图像中的物体的类别；
其中，所述分类网络为根据多个父类别和多个子类别之...

【专利技术属性】
技术研发人员：张松阳，郭烨，黎泽明，
申请(专利权)人：北京迈格威科技有限公司，
类型：发明
国别省市：北京;11