【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...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。