神经网络训练方法、图像检测方法、装置、设备及介质与流程

技术特征：
1.一种神经网络训练方法，其特征在于，所述方法包括：获取样本图像以及所述样本图像的至少一个标注检测框信息，所述标注检测框信息包括检测框位置；基于所述至少一个标注检测框信息，对所述样本图像中的样本物品进行数据量增强处理，得到处理后的样本图像，所述处理后的样本图像包括相同图像内容的至少两个目标样本物品；使用处理后的样本图像进行神经网络训练，得到用于物品检测的物品检测模型。2.根据权利要求1所的方法，其特征在于，所述获取样本图像以及所述样本图像的至少一个标注检测框信息，包括：获取记录有至少一个样本物品被拿取过程的采集视频；从所述采集视频中提取出视频帧，所述视频帧中包括至少一个样本物品；对所述视频帧中的各个样本物品进行物品标注，得到对应的样本图像和所述样本图像中各样本物品对应的标注检测框信息。3.根据权利要求1所述的方法，其特征在于，所述基于所述至少一个标注检测框信息，对所述样本图像中的样本物品进行数据量增强处理，得到处理后的样本图像，包括：针对每个样本物品，从所述样本图像中提取所述样本物品的物品图像内容；基于所述至少一个标注检测框信息指示的各个检测框位置，在所述样本图像中除各个检测框之外的空白图像区域中添加至少一个提取出的物品图像内容，得到处理后的样本图像。4.根据权利要求3所述的方法，其特征在于，所述基于所述至少一个标注检测框信息指示的各个检测框，在所述样本图像中除各个检测框之外的空白图像区域中添加至少一个提取出的物品图像内容，得到处理后的样本图像，包括：基于所述至少一个标注检测框信息指示的各个检测框位置，确定所述样本图像中的检测框密度；基于所述检测框密度，确定在所述样本图像中除各个检测框之外的空白图像区域中添加所述物品图像内容的添加数量；按照所述添加数量，在所述样本图像中除各个检测框之外的空白图像区域中添加所述添加数量的所述物品图像内容，得到处理后的样本图像。5.根据权利要求4所述的方法，其特征在于，所述在所述样本图像中除各个检测框之外的空白图像区域中添加所述添加数量的所述物品图像内容，得到处理后的样本图像，包括：基于所述至少一个标注检测框信息指示的各个检测框位置，确定在所述样本图像中除各个检测框之外的空白图像区域的空白图像区域分布；基于所述空白图像区域分布，确定所述空白图像区域中与所述添加数量对应的至少一个添加位置；在每个添加位置处添加所述物品图像内容，得到处理后的样本图像。6.根据权利要求1所述的方法，其特征在于，在获取样本图像以及所述样本图像的至少一个标注检测框信息之后，所述方法还包括：基于所述至少一个标注检测框信息，对所述样本图像进行干扰剔除处理，得到处理后的样本图像，处理后的样本图像中除样本物品之外的图像内容一致。
7.根据权利要求6所述的方法，其特征在于，所述基于所述至少一个标注检测框信息，对所述样本图像进行干扰剔除处理，得到处理后的样本图像，包括：基于每个标注检测框信息指示的检测框位置，确定对应的每个样本物品在所述样本图像中的物品图像内容；将所述样本图像中除各个样本物品对应的物品图像内容之外的其他图像内容设置为单一图像内容，得到处理后的样本图像。8.一种图像检测方法，其特征在于，所述方法包括：获取待检测图像和根据权利要求1至7中任一项所述的神经网络训练方法训练得到的物品检测模型；使用所述物品检测模型对所述待检测图像进行识别，得到所述待检测图像的图像检测结果。9.一种神经网络训练装置，其特征在于，所述装置包括：样本获取模块，用于获取样本图像以及所述样本图像的至少一个标注检测框信息，所述标注检测框信息包括检测框位置；增强处理模块，用于基于所述至少一个标注检测框信息，对所述样本图像中的样本物品进行数据量增强处理，得到处理后的样本图像，所述处理后的样本图像包括相同图像内容的至少两个目标样本物品；模型训练模块，用于使用处理后的样本图像进行神经网络训练，得到用于物品检测的物品检测模型。10.一种图像检测装置，其特征在于，所述装置包括：图像获取模块，用于获取待检测图像和根据权利要求9所述的神经网络训练装置训练得到的物品检测模型；图像检测模块，用于使用所述物品检测模型对所述待检测图像进行识别，得到所述待检测图像的图像检测结果。11.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7任一项所述的神经网络训练方法或者如权利要求8中所述的图像检测方法的步骤。12.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至7任一项所述的神经网络训练方法或者如权利要求8中所述的图像检测方法的步骤。

技术总结
本公开提供了一种神经网络训练方法、图像检测方法、装置、设备及存储介质，通过对样本图像进行数据量增强处理，使样本图像中的物品数量增加，可以增加样本图像的丰富性，提升训练数据包含的图像特征数量，提高神经网络的学习效果，从而使用处理后的样本图像对神经网络进行训练，得到训练好的物品检测模型，大大增强训练得到的物品检测模型的鲁棒性，有效提高物品检测模型的图像检测精度，进而可以使用训练得到的物品检测模型对待检测图像进行检测，检测准确度高。测准确度高。测准确度高。


技术研发人员：孙蕴哲 罗棕太
受保护的技术使用者：北京市商汤科技开发有限公司
技术研发日：2022.03.30
技术公布日：2022/6/21