一种卷积神经网络模型的训练方法及装置制造方法及图纸

本发明专利技术公开了一种卷积神经网络模型的训练方法及装置，所述方法，包括：获取训练数据集；利用卷积神经网络模型训练训练数据集中的每张穿戴图像，分别得到每张穿戴图像对应的特征图；将每张穿戴图像对应的特征图进行融合，得到标准特征图；对标准特征图进行特征分类，得到分类结果；对分类结果进行校正，得到校正结果；利用校正结果，对卷积神经网络模型进行更新，得到训练后的卷积神经网络模型。本发明专利技术可使用上述训练方法训练卷积神经网络模型，可将训练后的卷积神经网络模型直接应用于穿戴防护图像识别，进而对医护人员的穿戴防护状态进行准确识别，从而避免使用人工方式检查，不仅效率高和准率高，还大大的减少了人力成本。

【技术实现步骤摘要】
一种卷积神经网络模型的训练方法及装置
本专利技术涉及图像
，具体涉及一种卷积神经网络模型的训练方法及装置。
技术介绍
随着我国医院感染控制的不断深化，消毒供应中心作为医院无菌物品供应的核心部门，工作区域的医护人员穿戴防护必须按照国家卫健委发布的管理规范文件时刻到位。目前，消毒供应中心的穿戴防护管理一般都是采用人工管理，即在现场人为检查医护人员的穿戴防护是否符合标准。但是，采用人工检测需要检查人员时刻在现场驻守进行检查，不仅耗时耗力，增加了人工成本，且检查的效率低，准确率不高。所以，如何高效准确的进行医护人员的穿戴防护检查成为了一个亟待解决的问题。
技术实现思路
为了解决现有医护人员穿戴防护检查采用人工所存在的耗时耗力，成本高、效率低且准确率不高问题，本专利技术的目的在于提供一种能够使用训练后的卷积神经网络模型进行图像识别，进而准确得出医护人员的穿戴防护是否符合标准的卷积神经网络模型的训练方法、装置、计算机主设备、计算机可读存储介质及医护人员穿戴防护状态识别方法。第一方面，本专利技术提供了一种卷积神经网络模型的训练方法，包括：获取训练数据集，其中，所述训练数据集包含有待识别对象同一种状态下的多张穿戴图像；利用卷积神经网络模型训练所述训练数据集中的每张穿戴图像，分别得到每张穿戴图像对应的特征图；将每张所述穿戴图像对应的特征图进行融合，得到标准特征图；对所述标准特征图进行特征分类，得到分类结果；对所述分类结果进行校正，得到校正结果；利用所述校正结果，对所述卷积神经网络模型进行更新，得到训练后的卷积神经网络模型。基于上述
技术实现思路
，本专利技术以待识别对象同一种状态下的多张穿戴图像作为训练数据集，并输入卷积神经网络模型中进行训练，即使用卷积神经网络模型对多张穿戴图像进行特征提取，得到多张穿戴图像对应的特征图，然后对特征图进行融合，实质为特征图中特征信息的融合，得到标准特征图，其次再对标准特征图进行特征分类，得到分类结果，即得到了训练时的识别结果，另外，本专利技术会对识别结果进行校正，即与穿戴防护的标准图像进行对比，对分类结果进行修正，得到修正结果，最后，利用修正结果对卷积神经网络模型进行更新，即可得到训练后的卷积神经网络模型。通过上述设计，本专利技术可使用上述训练方法训练卷积神经网络模型，可将训练后的卷积神经网络模型直接应用于穿戴防护图像识别，进而对医护人员的穿戴防护状态进行准确识别，从而可避免使用人工方式检查，不仅效率高和准率高，还大大的减少了人力成本。在一个可能的设计中，得到每张穿戴图像对应的特征图，包括：利用所述卷积神经网络模型的卷积层，按照预设规则对每张所述穿戴图像进行卷积，分别得到每张所述穿戴图像的第一特征图；利用所述卷积神经网络模型的池化层，对每张所述穿戴图像对应的第一特征图进行池化，分别得到每张所述穿戴图像对应的所述特征图。基于上述
技术实现思路
，本专利技术提供了得到每张穿戴图像对应特征图的具体方法，即进行卷积和池化操作，其中，卷积的目的是为了提取每张穿戴图像的特征信息(以特征图的形式输出，即每张第一特征图即代表对应穿戴图像提取的特征信息)，而池化的作用则是为了降低数据量，减轻计算负担，进而提高识别效率。当然，上述公开的获取特征图的方法仅仅为特征图获取方法中的一种。在一个可能的设计中，所述预设规则采用3*3卷积核对每张穿戴图像进行卷积。在一个可能的设计中，对每张所述穿戴图像对应的第一特征图进行池化，所述方法包括：去除所述卷积神经网络模型中的最大池化层；利用所述卷积神经网络模型中的剩余池化层，以2*2的步长尺寸，并按照最大池化方式对每张所述穿戴图像对应的第一特征图进行池化，分别得到每张所述穿戴图像对应的所述特征图。在一个可能的设计中，获取所述训练数据集，包括：获取原始数据集，其中所述原始数据集包含有待识别对象同一种状态下的多张原始穿戴图像；对所述原始数据集中的每张所述原始穿戴图像进行尺寸变换，分别得到每张原始穿戴图像对应的穿戴图像；利用每张原始穿戴图像对应的穿戴图像，组成所述训练数据集。基于上述公开的内容，对待识别人员的每张原始穿戴图像进行尺寸变化，可适应不同卷积神经网络模型的数据输入要求，提高适用性。在一个可能的设计中，所述卷积神经网络模型采用VGG13卷积神经网络模型。第二方面，本专利技术提供了一种医护人员穿戴防护状态识别方法，包括：获取待识别医护人员的至少一张穿戴防护图像；利用经第一方面或第一方面中任意一种可能设计的所述卷积神经网络模型的训练方法训练后的卷积神经网络模型，对所述至少一张穿戴防护图像进行图像识别，得出医护人员穿戴防护状态识别结果。基于上述
技术实现思路
，本专利技术可直接使用经第一方面或第一方面中任意一种可能设计的所述卷积神经网络模型的训练方法，训练后的卷积神经网络模型进行医护人员的穿戴防护图像识别，进而快速准确的得出医护人员穿戴防护是否符合标准。通过上述设计，可避免使用人工方式检查，不仅效率高和准率高，还大大的减少了人力成本。第三方面，本专利技术提供了一种卷积神经网络模型的训练装置，包括：获取单元、训练单元、特征图融合单元、特征分类单元、校正单元和更新单元；所述获取单元，用于获取训练数据集，其中，所述训练数据集包含有待识别对象同一种状态下的多张穿戴图像；所述训练单元，用于利用卷积神经网络模型训练所述训练数据集中的每张穿戴图像，分别得到每张穿戴图像对应的特征图；所述特征图融合单元，用于将每张所述穿戴图像对应的特征图进行融合，得到标准特征图；所述特征分类单元，用于对所述标准特征图进行特征分类，得到分类结果；所述校正单元，用于对所述分类结果进行校正，得到校正结果；所述更新单元，用于利用所述校正结果，对所述卷积神经网络模型进行更新，得到训练后的卷积神经网络模型。在一个可能的设计中，所述训练单元包括：卷积子单元和池化子单元；所述卷积子单元，用于利用所述卷积神经网络模型的卷积层，按照预设规则对每张所述穿戴图像进行卷积，分别得到每张所述穿戴图像的第一特征图；所述池化子单元，用于利用所述卷积神经网络模型的池化层，对每张所述穿戴图像对应的第一特征图进行池化，分别得到每张所述穿戴图像对应的所述特征图。在一个可能的设计中：所述池化子单元，具体用于去除所述卷积神经网络模型中的最大池化层，并在去除后，利用所述卷积神经网络模型中的剩余池化层，以2*2的步长尺寸，并按照最大池化方式对每张所述穿戴图像对应的第一特征图进行池化，分别得到每张所述穿戴图像对应的所述特征图。在一个可能的设计中，所述卷积神经网络模型的训练装置还包括尺寸变换单元；所述获取单元，还用于获取原始数据集，其中所述原始数据集包含有待识别对象同一种状态下的多张原始穿戴图像；所述尺寸变换单元，用于对所述原始数据集中的每张所述原始穿戴图像进行尺寸变换，分别得到每张原始穿戴图像对应的穿戴图像本文档来自技高网...

【技术保护点】
1.一种卷积神经网络模型的训练方法，其特征在于，包括：/n获取训练数据集，其中，所述训练数据集包含有待识别对象同一种状态下的多张穿戴图像；/n利用卷积神经网络模型训练所述训练数据集中的每张穿戴图像，分别得到每张穿戴图像对应的特征图；/n将每张所述穿戴图像对应的特征图进行融合，得到标准特征图；/n对所述标准特征图进行特征分类，得到分类结果；/n对所述分类结果进行校正，得到校正结果；/n利用所述校正结果，对所述卷积神经网络模型进行更新，得到训练后的卷积神经网络模型。/n

【技术特征摘要】
1.一种卷积神经网络模型的训练方法，其特征在于，包括：
获取训练数据集，其中，所述训练数据集包含有待识别对象同一种状态下的多张穿戴图像；
利用卷积神经网络模型训练所述训练数据集中的每张穿戴图像，分别得到每张穿戴图像对应的特征图；
将每张所述穿戴图像对应的特征图进行融合，得到标准特征图；
对所述标准特征图进行特征分类，得到分类结果；
对所述分类结果进行校正，得到校正结果；
利用所述校正结果，对所述卷积神经网络模型进行更新，得到训练后的卷积神经网络模型。


2.如权利要求1所述的一种卷积神经网络模型的训练方法，其特征在于，得到每张穿戴图像对应的特征图，包括：
利用所述卷积神经网络模型的卷积层，按照预设规则对每张所述穿戴图像进行卷积，分别得到每张所述穿戴图像的第一特征图；
利用所述卷积神经网络模型的池化层，对每张所述穿戴图像对应的第一特征图进行池化，分别得到每张所述穿戴图像对应的所述特征图。


3.如权利要求2所述的一种卷积神经网络模型的训练方法，其特征在于，所述预设规则采用3*3卷积核对每张穿戴图像进行卷积。


4.如权利要求2所述的一种卷积神经网络模型的训练方法，其特征在于，对每张所述穿戴图像对应的第一特征图进行池化，所述方法包括：
去除所述卷积神经网络模型中的最大池化层；
利用所述卷积神经网络模型中的剩余池化层，以2*2的步长尺寸，并按照最大池化方式对每张所述穿戴图像对应的第一特征图进行池化，分别得到每张所述穿戴图像对应的所述特征图。


5.如权利要求1所述的一种卷积神经网络模型的训练方法，其特征在于，获取所述训练数据集，包括：
获取原始数据集，其中所述原始数据集包含有待识别对象同一种状态下的多张原始穿戴图像；
对所述原始数据集中的每张所述原始穿戴图像进行尺寸变换，分别得到每张原始穿戴图像对应的穿戴...

【专利技术属性】
技术研发人员：郑波，
申请(专利权)人：四川劳吉克信息技术有限公司，
类型：发明
国别省市：四川;51