公开(公告)号：CN114202052A

公开(公告)日：2022-03-18

申请号：CN202010911838.1

申请日：2020-09-02

Applicant: 杭州海康威视数字技术股份有限公司

Inventor： 张凯 ,  谭文明 ,  李哲暘

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种神经网络的训练方法、装置及设备、存储介质，可更好地保证结果的精度与特征图的稀疏度。该方法包括：将样本数据输入至第一神经网络中，得到第一神经网络输出的预测标签、以及第一神经网络的至少一个指定处理层输出的特征图，特征图是在第一神经网络确定预测标签的过程中输出的，特征图包含多个特征值；依据预测标签与样本数据对应的样本标签并采用预设的损失函数确定损失值，损失值用于表征预测标签与样本标签之间的差异；依据特征图确定用于表征特征图的稀疏度的稀疏度值；依据损失值与稀疏度值确定用于优化第一神经网络的优化参数值；依据优化参数值优化第一神经网络得到第二神经网络。

公开(公告)号：CN111767935A

公开(公告)日：2020-10-13

申请号：CN201911056322.7

申请日：2019-10-31

Applicant: 杭州海康威视数字技术股份有限公司

Inventor： 张凯 ,  谭文明 ,  李哲暘 ,  石大虎

IPC: G06K9/62

Abstract: 本发明实施例提供了一种目标检测方法、装置及电子设备。其中，所述方法包括：获取待处理图像在多个降采样倍率下的多个初始图像特征；针对除目标降采样倍率外其他降采样倍率下的各个初始图像特征，将该初始图像特征缩放至所述目标降采样倍率，得到映射图像特征；融合所述目标降采样倍率下的初始图像特征和各个所述映射图像特征，得到所述目标降采样倍率下的融合图像特征；将所述目标降采样倍率下的融合图像特征缩放至各个所述其他降采样倍率，得到各个所述其他降采样倍率下的融合图像特征；基于所述待处理图像在所述多个降采样倍率下的融合图像特征，对所述待处理图像进行目标检测。可以提高目标检测的准确性。