(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211151749.7 (22)申请日 2022.09.21 (71)申请人 深圳信息职业 技术学院 地址 518000 广东省深圳市龙岗区龙城街 道龙翔大道 2188号 (72)发明人 殷光强　王新中　梁杰　唐飞　 王治国　游长江　石文武　李耶　 侯少麒　 (74)专利代理 机构 深圳中一联合知识产权代理 有限公司 4 4414 专利代理师 万凯君 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/25(2022.01) G06V 10/82(2022.01) (54)发明名称 一种区域生 成网络训练方法、 装置及可读存 储介质 (57)摘要 本申请提供了一种区域生 成网络训练方法、 装置及可读存储介质。 所述方法包括获取图像样 本， 将图像样本输入至区域生成网络， 得到预测 得分； 基于交叉熵损失函数， 根据预测得分， 计算 区域生成网络的损失值； 根据损失值调整网络的 参数， 以得到训练完成的区域生成网络； 交叉熵 损失函数中设置有第一平衡参数、 第二平衡参数 中至少一种， 第一平衡参数用于提高区域生成网 络对正样 本的关注度， 第二平衡参数用于提高区 域网络生 成对难分样本的关注度， 通过设置第一 平衡参数的， 以平衡正负样本比例不均匀对区域 生成网络的影响， 和/或通过设置第二平衡参数 的， 以平衡难易样本比例不均匀对区域生成网络 的影响， 从而提高区域 生成网络的学习能力。 权利要求书2页 说明书8页 附图3页 CN 115512181 A 2022.12.23 CN 115512181 A 1.一种区域 生成网络训练方法， 其特 征在于， 包括： 获取图像样本， 所述图像样本包括正样本及负样本， 所述正样本包括易分正样本及难 分正样本， 所述负 样本包括 易分负样本及难分负 样本； 将所述正样本输入至区域生成网络中， 得到所述区域生成网络输出的正样本预测得 分； 将所述负样本输入至所述区域生成网络 中， 得到所述区域生成网络输出的负样本预测 得分； 基于预设的交叉熵损 失函数， 根据所述正样本预测得分及所述负样本预测得分， 计算 所述区域 生成网络的损失值； 根据所述损失值调整所述区域 生成网络的参数； 当所述损失值符合预设条件时， 得到训练完成的区域 生成网络； 其中， 所述交叉熵损失函数中设置有第一平衡参数、 第 二平衡参数中至少一种， 所述第 一平衡参数用于提高所述区域生成网络对所述正样本的关注度， 所述第二平衡参数用于提 高所述区域 生成网络对 难分样本的关注度。 2.如权利要求1所述的方法， 其特征在于： 所述交叉熵损失函数包括正样本损失函数及 负样本损失函数， 所述正样本损失函数及所述负样本损失函数中的所述第一平衡参数为正 数， 所述第一平衡参数的取值区间与所述区域 生成网络 输出的预测得分的取值区间相同。 3.如权利要求1所述的方法， 其特征在于： 所述交叉熵损失函数包括正样本损失函数及 负样本损失函数， 所述正样本损失函数中的所述第一平衡参数为根据IoU值设置的加权参 数， 所述IoU值为通过正负 样本判决算法得到的值； 所述负样本损失函数中的所述第 一平衡参数为正数， 所述负样本损失函数中的第 一平 衡参数的取值区间与所述区域 生成网络 输出的预测得分的取值区间相同。 4.如权利要求1 ‑3任一项所述的方法， 其特征在于： 所述交叉熵损失函数包括正样本损 失函数及负样本损失函数， 所述正样本损失函数及所述负样本损失函数中的所述第二平衡 参数为正数。 5.如权利要求2所述的方法， 其特 征在于： 所述正样本损失函数的表示形式为L＝ ‑k(1‑y`)blog(y`)， y＝1， 所述负样本损失函数 的表示形式为 L＝‑(1‑k)(y`)blog(1‑y`)， y＝0； 其中， L为所述区域生成网络的损失值， y`为所述区域生成网络的预测得分， y＝1为正 样本， y＝0为负 样本， k为所述第一平衡参数， b为所述第二平衡参数。 6.如权利要求3所述的方法， 其特 征在于： 所述正样本损失函数的表示形式为L＝ ‑KIoU(1‑y`)blog(y`)， y＝1， 所述负样本损失函 数的表示形式为 L＝‑(1‑k)(y`)blog(1‑y`)， y＝0； 其中， L为所述区域生成网络的损失值， y`为所述区域生成网络的预测得分， y＝1为正 样本， y＝0为负样 本， KIoU为所述正样 本损失函数的第一平衡参数， k为所述负样 本损失函数 的第一平衡参数， b为所述第二平衡参数。 7.一种图像提取候选区域方法， 其特 征在于， 包括： 获取待测图像； 将所述待测图像输入至训练完成的区域生成网络， 得到所述训练完成的区域生成网络权　利　要　求　书 1/2 页 2 CN 115512181 A 2输出的目标候选区域， 所述目标候选区域包括目标； 其中， 所述训练完成的区域生成网络为通过权利要求1 ‑6任一项所述的方法训练得到 的网络。 8.一种区域 生成网络训练装置， 其特 征在于， 包括： 获取单元， 用于获取图像样本， 所述图像样本包括正样本及负样本， 所述正样本包括易 分正样本及难分正样本， 所述负 样本包括 易分负样本及难分负 样本； 训练单元， 用于将所述正样本输入至区域生成网络中， 得到所述区域生成网络输出的 正样本预测得分； 还用于将所述负样本输入至所述区域生成网络 中， 得到所述区域生成网络输出的负样 本预测得分； 调整单元， 用于基于预设的交叉熵损 失函数， 根据所述正样本预测得分及所述负样本 预测得分， 计算所述区域 生成网络的损失值； 还用于根据所述损失值调整所述区域 生成网络的参数； 还用于当所述损失值符合预设条件时， 得到训练完成的区域 生成网络； 其中， 所述交叉熵损失函数中设置有第一平衡参数、 第 二平衡参数中至少一种， 所述第 一平衡参数用于提高所述区域生成网络对所述正样本的关注度， 所述第二平衡参数用于提 高所述区域 生成网络对 难分样本的关注度。 9.一种电子设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器上 运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至6 任一项或权利要求7 所述的方法。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处 理器执行时实现如权利要求1至 6任一项或权利要求7 所述的方法。权　利　要　求　书 2/2 页 3 CN 115512181 A 3