CN115661492B - 图像比对方法、装置、电子设备、存储介质和程序产品 - Google Patents
图像比对方法、装置、电子设备、存储介质和程序产品 Download PDFInfo
- Publication number
- CN115661492B CN115661492B CN202211688248.2A CN202211688248A CN115661492B CN 115661492 B CN115661492 B CN 115661492B CN 202211688248 A CN202211688248 A CN 202211688248A CN 115661492 B CN115661492 B CN 115661492B
- Authority
- CN
- China
- Prior art keywords
- image
- detection frame
- training
- difference
- detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 82
- 238000003860 storage Methods 0.000 title claims abstract description 30
- 238000001514 detection method Methods 0.000 claims abstract description 505
- 238000012549 training Methods 0.000 claims abstract description 392
- 238000013528 artificial neural network Methods 0.000 claims abstract description 175
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000002372 labelling Methods 0.000 claims abstract description 22
- 230000006870 function Effects 0.000 claims description 34
- 238000010586 diagram Methods 0.000 claims description 28
- 230000004044 response Effects 0.000 claims description 24
- 238000013138 pruning Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 description 11
- 238000010191 image analysis Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- 238000011176 pooling Methods 0.000 description 7
- 230000003044 adaptive effect Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000000137 annealing Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 101100400452 Caenorhabditis elegans map-2 gene Proteins 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 101150064138 MAP1 gene Proteins 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本公开涉及图像数据处理技术领域，尤其涉及一种图像比对方法、装置、电子设备、存储介质和程序产品。所述方法包括：获得训练图像对；对所述训练图像对中的第一训练图像和第二训练图像分别进行预设类型的目标检测，得到第一训练图像中的第一检测框集合和第二训练图像中的第二检测框集合；确定第一检测框集合与第二检测框集合之间的差异信息；根据所述差异信息，确定所述训练图像对对应的标注数据；将第一训练图像和第二训练图像输入第一神经网络，经由第一神经网络输出差异预测信息；根据标注数据和差异预测信息，训练第一神经网络，其中，第一神经网络用于比对图像之间的差异。由此训练得到的第一神经网络能够获得准确的图像比对能力。
Description
技术领域
本公开涉及图像数据处理技术领域，尤其涉及一种用于图像比对的神经网络的训练方法、图像比对方法、用于图像比对的神经网络的训练装置、图像比对装置、电子设备、存储介质和程序产品。
背景技术
对两个图像进行比对，在人脸识别、目标跟踪、镜头分割等应用场景中具有重要意义。如何提高图像比对的准确性，是亟待解决的技术问题。
发明内容
本公开提供了一种图像比对技术方案。
根据本公开的一方面，提供了一种用于图像比对的神经网络的训练方法，包括：
获得训练图像对，其中，所述训练图像对包括第一训练图像和第二训练图像；
对所述第一训练图像和所述第二训练图像分别进行预设类型的目标检测，得到所述第一训练图像中的第一检测框集合和所述第二训练图像中的第二检测框集合；
确定所述第一检测框集合与所述第二检测框集合之间的差异信息；
根据所述差异信息，确定所述训练图像对对应的标注数据；
将所述第一训练图像和所述第二训练图像输入第一神经网络，经由所述第一神经网络输出所述第一训练图像与所述第二训练图像之间的差异预测信息；
根据所述标注数据和所述差异预测信息，训练所述第一神经网络，其中，所述第一神经网络用于比对图像之间的差异。
在一种可能的实现方式中，所述确定所述第一检测框集合与所述第二检测框集合之间的差异信息，包括：
对所述第一检测框集合中的至少一个第一检测框分别进行特征提取，得到与所述至少一个第一检测框一一对应的至少一项第一特征；
对所述第二检测框集合中的至少一个第二检测框分别进行特征提取，得到与所述至少一个第二检测框一一对应的至少一项第二特征；
根据所述至少一项第一特征和所述至少一项第二特征，确定所述第一检测框集合与所述第二检测框集合之间的差异信息。
在一种可能的实现方式中，所述差异信息包括：所述第一检测框与所述第二检测框之间的差异值；
所述根据所述至少一项第一特征和所述至少一项第二特征，确定所述第一检测框集合与所述第二检测框集合之间的差异信息，包括：
对于所述第一检测框集合中的任一第一检测框和所述第二检测框集合中的任一第二检测框，根据所述第一检测框对应的第一特征与所述第二检测框对应的第二特征之间的相似度，确定所述第一检测框与所述第二检测框之间的差异值。
在一种可能的实现方式中，所述根据所述第一检测框对应的第一特征与所述第二检测框对应的第二特征之间的相似度，确定所述第一检测框与所述第二检测框之间的差异值，包括：
响应于所述第一检测框对应的第一特征与所述第二检测框对应的第二特征之间的相似度大于或等于第一预设阈值，将所述第一检测框与所述第二检测框之间的差异值确定为0；
或者，
响应于所述相似度小于所述第一预设阈值，将1与所述相似度的差值确定为所述差异值。
在一种可能的实现方式中，所述标注数据包括差异真值，所述差异预测信息包括第一差异预测值；
所述根据所述差异信息，确定所述训练图像对对应的标注数据，包括：确定所述第一检测框集合中的各个第一检测框与所述第二检测框集合中的各个第二检测框之间的差异值的和值；根据所述和值，确定所述差异真值；
所述根据所述标注数据和所述差异预测信息，训练所述第一神经网络，包括：根据所述差异真值和所述第一差异预测值，训练所述第一神经网络。
在一种可能的实现方式中，所述标注数据包括掩膜图像，所述差异预测信息包括差异特征图；
所述根据所述差异信息，确定所述训练图像对对应的标注数据，包括：根据所述差异信息，确定所述第一检测框集合和所述第二检测框集合中的未匹配检测框；其中，所述未匹配检测框包括所述第一检测框集合中未与所述第二检测框集合中的第二检测框匹配的第一检测框，以及所述第二检测框集合中未与所述第一检测框集合中的第一检测框匹配的第二检测框；根据所述未匹配检测框的位置信息，生成所述掩码图像；
所述根据所述标注数据和所述差异预测信息，训练所述第一神经网络，包括：根据所述掩膜图像和所述差异特征图，训练所述第一神经网络。
在一种可能的实现方式中，所述根据所述未匹配检测框的位置信息，生成所述掩码图像，包括：
根据所述未匹配检测框的几何中心、所述未匹配检测框的宽度和所述未匹配检测框的高度，生成高斯核函数；
根据所述高斯核函数，生成所述掩码图像。
在一种可能的实现方式中，所述预设类型为人脸，所述高斯核函数为椭圆高斯核函数。
在一种可能的实现方式中，所述掩码图像包括至少两种尺寸的掩码图像，所述差异特征图包括与所述至少两种尺寸的掩码图像一一对应的至少两种尺寸的差异特征图。
在一种可能的实现方式中，所述差异特征图为所述第一神经网络的辅助模块输出的特征图。
在一种可能的实现方式中，所述获得训练图像对，包括：
获取训练视频；
将所述训练视频中的任一视频帧图像确定为第一训练图像；
从所述训练视频中除所述第一训练图像以外的视频帧图像中，随机确定第二训练图像。
在一种可能的实现方式中，所述从所述训练视频中除所述第一训练图像以外的视频帧图像中，随机确定第二训练图像，包括：
生成随机概率；
响应于所述随机概率小于第二预设阈值，从所述训练视频中除所述第一训练图像以外的所有视频帧图像中，随机确定第二训练图像；或者，响应于所述随机概率大于或等于所述第二预设阈值，从目标视频帧图像区间中除所述第一训练图像以外的视频帧图像中，随机确定所述第二训练图像，其中，所述目标视频帧图像区间包括多个连续的视频帧图像，所述目标视频帧图像区间包括所述第一训练图像，且所述目标视频帧图像区间中的视频帧图像的数量小于所述训练视频中的视频帧图像的数量。
根据本公开的一方面，提供了一种图像比对方法，包括：
获取训练得到的第一神经网络；
获取第一待比对图像和第二待比对图像；
通过所述第一神经网络对所述第一待比对图像和所述第二待比对图像进行处理，得到所述第一待比对图像与所述第二待比对图像的第二差异预测值。
在一种可能的实现方式中，
在所述通过所述第一神经网络对所述第一待比对图像和所述第二待比对图像进行处理之前，所述方法还包括：对所述第一神经网络中的辅助模块进行剪枝，得到剪枝后的第一神经网络；
所述通过所述第一神经网络对所述第一待比对图像和所述第二待比对图像进行处理，得到所述第一待比对图像与所述第二待比对图像的第二差异预测值，包括：通过所述剪枝后的第一神经网络对所述第一待比对图像和所述第二待比对图像进行处理，得到所述第一待比对图像与所述第二待比对图像的第二差异预测值。
根据本公开的一方面，提供了一种用于图像比对的神经网络的训练装置，包括：
获得模块，用于获得训练图像对，其中，所述训练图像对包括第一训练图像和第二训练图像；
目标检测模块，用于对所述第一训练图像和所述第二训练图像分别进行预设类型的目标检测，得到所述第一训练图像中的第一检测框集合和所述第二训练图像中的第二检测框集合；
第一确定模块，用于确定所述第一检测框集合与所述第二检测框集合之间的差异信息；
第二确定模块，用于根据所述差异信息，确定所述训练图像对对应的标注数据；
差异预测模块，用于将所述第一训练图像和所述第二训练图像输入第一神经网络，经由所述第一神经网络输出所述第一训练图像与所述第二训练图像之间的差异预测信息；
训练模块，用于根据所述标注数据和所述差异预测信息，训练所述第一神经网络，其中，所述第一神经网络用于比对图像之间的差异。
在一种可能的实现方式中，所述第一确定模块用于：
对所述第一检测框集合中的至少一个第一检测框分别进行特征提取，得到与所述至少一个第一检测框一一对应的至少一项第一特征；
对所述第二检测框集合中的至少一个第二检测框分别进行特征提取，得到与所述至少一个第二检测框一一对应的至少一项第二特征；
根据所述至少一项第一特征和所述至少一项第二特征，确定所述第一检测框集合与所述第二检测框集合之间的差异信息。
在一种可能的实现方式中，所述差异信息包括：所述第一检测框与所述第二检测框之间的差异值；
所述第一确定模块用于：对于所述第一检测框集合中的任一第一检测框和所述第二检测框集合中的任一第二检测框，根据所述第一检测框对应的第一特征与所述第二检测框对应的第二特征之间的相似度，确定所述第一检测框与所述第二检测框之间的差异值。
在一种可能的实现方式中，所述第一确定模块用于：
响应于所述第一检测框对应的第一特征与所述第二检测框对应的第二特征之间的相似度大于或等于第一预设阈值，将所述第一检测框与所述第二检测框之间的差异值确定为0；
或者，
响应于所述相似度小于所述第一预设阈值，将1与所述相似度的差值确定为所述差异值。
在一种可能的实现方式中，所述标注数据包括差异真值，所述差异预测信息包括第一差异预测值；
所述第二确定模块用于：确定所述第一检测框集合中的各个第一检测框与所述第二检测框集合中的各个第二检测框之间的差异值的和值；根据所述和值，确定所述差异真值；
所述训练模块用于：根据所述差异真值和所述第一差异预测值，训练所述第一神经网络。
在一种可能的实现方式中，所述标注数据包括掩膜图像，所述差异预测信息包括差异特征图；
所述第二确定模块用于：根据所述差异信息，确定所述第一检测框集合和所述第二检测框集合中的未匹配检测框；其中，所述未匹配检测框包括所述第一检测框集合中未与所述第二检测框集合中的第二检测框匹配的第一检测框，以及所述第二检测框集合中未与所述第一检测框集合中的第一检测框匹配的第二检测框；根据所述未匹配检测框的位置信息，生成所述掩码图像；
所述训练模块用于：根据所述掩膜图像和所述差异特征图，训练所述第一神经网络。
在一种可能的实现方式中，所述第二确定模块用于：
根据所述未匹配检测框的几何中心、所述未匹配检测框的宽度和所述未匹配检测框的高度，生成高斯核函数；
根据所述高斯核函数，生成所述掩码图像。
在一种可能的实现方式中，所述预设类型为人脸，所述高斯核函数为椭圆高斯核函数。
在一种可能的实现方式中，所述掩码图像包括至少两种尺寸的掩码图像，所述差异特征图包括与所述至少两种尺寸的掩码图像一一对应的至少两种尺寸的差异特征图。
在一种可能的实现方式中，所述差异特征图为所述第一神经网络的辅助模块输出的特征图。
在一种可能的实现方式中，所述获得模块用于：
获取训练视频；
将所述训练视频中的任一视频帧图像确定为第一训练图像；
从所述训练视频中除所述第一训练图像以外的视频帧图像中，随机确定第二训练图像。
在一种可能的实现方式中，所述获得模块用于：
生成随机概率；
响应于所述随机概率小于第二预设阈值，从所述训练视频中除所述第一训练图像以外的所有视频帧图像中，随机确定第二训练图像；或者，响应于所述随机概率大于或等于所述第二预设阈值，从目标视频帧图像区间中除所述第一训练图像以外的视频帧图像中，随机确定所述第二训练图像，其中，所述目标视频帧图像区间包括多个连续的视频帧图像，所述目标视频帧图像区间包括所述第一训练图像，且所述目标视频帧图像区间中的视频帧图像的数量小于所述训练视频中的视频帧图像的数量。
根据本公开的一方面，提供了一种图像比对装置，包括：
第一获取模块，用于获取训练得到的第一神经网络；
第二获取模块，用于获取第一待比对图像和第二待比对图像；
处理模块，用于通过所述第一神经网络对所述第一待比对图像和所述第二待比对图像进行处理，得到所述第一待比对图像与所述第二待比对图像的第二差异预测值。
在一种可能的实现方式中，所述装置还包括：
剪枝模块，用于对所述第一神经网络中的辅助模块进行剪枝，得到剪枝后的第一神经网络；
所述处理模块用于：通过所述剪枝后的第一神经网络对所述第一待比对图像和所述第二待比对图像进行处理，得到所述第一待比对图像与所述第二待比对图像的第二差异预测值。
根据本公开的一方面，提供了一种电子设备，包括：一个或多个处理器；用于存储可执行指令的存储器；其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，以执行上述方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
根据本公开的一方面，提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备中运行时，所述电子设备中的处理器执行上述方法。
在本公开实施例中，通过获得训练图像对，其中，所述训练图像对包括第一训练图像和第二训练图像，对所述第一训练图像和所述第二训练图像分别进行预设类型的目标检测，得到所述第一训练图像中的第一检测框集合和所述第二训练图像中的第二检测框集合，确定所述第一检测框集合与所述第二检测框集合之间的差异信息，根据所述差异信息，确定所述训练图像对对应的标注数据，将所述第一训练图像和所述第二训练图像输入第一神经网络，经由所述第一神经网络输出所述第一训练图像与所述第二训练图像之间的差异预测信息，并根据所述标注数据和所述差异预测信息，训练所述第一神经网络，由此训练得到的第一神经网络能够获得准确的图像比对能力。通过由此训练得到的第一神经网络进行图像比对，能够提高图像比对的准确性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出本公开实施例提供的用于图像比对的神经网络的训练方法的流程图。
图2示出ShuffleNetV2的网络结构的示意图。
图3示出本公开实施例提供的用于图像比对的神经网络的训练方法中的第一神经网络的网络结构的示意图。
图4示出本公开实施例提供的图像比对方法的流程图。
图5示出本公开实施例提供的图像比对方法中的剪枝后的第一神经网络的示意图。
图6示出本公开实施例提供的用于图像比对的神经网络的训练装置的框图。
图7示出本公开实施例提供的图像比对装置的框图。
图8示出本公开实施例提供的电子设备1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
本公开实施例提供了一种用于图像比对的神经网络的训练方法，通过获得训练图像对，其中，所述训练图像对包括第一训练图像和第二训练图像，对所述第一训练图像和所述第二训练图像分别进行预设类型的目标检测，得到所述第一训练图像中的第一检测框集合和所述第二训练图像中的第二检测框集合，确定所述第一检测框集合与所述第二检测框集合之间的差异信息，根据所述差异信息，确定所述训练图像对对应的标注数据，将所述第一训练图像和所述第二训练图像输入第一神经网络，经由所述第一神经网络输出所述第一训练图像与所述第二训练图像之间的差异预测信息，并根据所述标注数据和所述差异预测信息，训练所述第一神经网络，由此训练得到的第一神经网络能够获得准确的图像比对能力。通过由此训练得到的第一神经网络进行图像比对，能够提高图像比对的准确性。
下面结合附图对本公开实施例提供的用于图像比对的神经网络的训练方法进行详细的说明。
图1示出本公开实施例提供的用于图像比对的神经网络的训练方法的流程图。在一种可能的实现方式中，所述用于图像比对的神经网络的训练方法的执行主体可以是用于图像比对的神经网络的训练装置，例如，所述用于图像比对的神经网络的训练方法可以由终端设备或服务器或其它电子设备执行。其中，终端设备可以是用户设备（UserEquipment，UE）、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理（PersonalDigital Assistant，PDA）、手持设备、计算设备、车载设备或者可穿戴设备等。在一些可能的实现方式中，所述用于图像比对的神经网络的训练方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示，所述用于图像比对的神经网络的训练方法包括步骤S11至步骤S16。
在步骤S11中，获得训练图像对，其中，所述训练图像对包括第一训练图像和第二训练图像。
在步骤S12中，对所述第一训练图像和所述第二训练图像分别进行预设类型的目标检测，得到所述第一训练图像中的第一检测框集合和所述第二训练图像中的第二检测框集合。
在步骤S13中，确定所述第一检测框集合与所述第二检测框集合之间的差异信息。
在步骤S14中，根据所述差异信息，确定所述训练图像对对应的标注数据。
在步骤S15中，将所述第一训练图像和所述第二训练图像输入第一神经网络，经由所述第一神经网络输出所述第一训练图像与所述第二训练图像之间的差异预测信息。
在步骤S16中，根据所述标注数据和所述差异预测信息，训练所述第一神经网络，其中，所述第一神经网络用于比对图像之间的差异。
在本公开实施例中，训练图像对可以表示用于训练第一神经网络的图像对。每个训练图像对包括两个训练图像，分别记为第一训练图像和第二训练图像。其中，第一神经网络用于比对图像之间的差异。第一神经网络可以为深度学习模型。
在一种可能的实现方式中，所述获得训练图像对，包括：获取训练视频；将所述训练视频中的任一视频帧图像确定为第一训练图像；从所述训练视频中除所述第一训练图像以外的视频帧图像中，随机确定第二训练图像。
其中，训练视频可以表示用于训练第一神经网络的视频。训练视频的数量可以为至少一个。例如，训练视频的数量可以为多个。
作为该实现方式的一个示例，可以从至少一个视频流中随机选取一些视频片段V_1、V_2、…、V_s，并可以将这些视频片段分别作为训练视频。
在该实现方式中，在将所述训练视频中的任一视频帧图像确定为第一训练图像之后，可以从所述训练视频中除所述第一训练图像以外的所有或部分视频帧图像中，随机确定第二训练图像。
在该实现方式中，通过获取训练视频，将所述训练视频中的任一视频帧图像确定为第一训练图像，并从所述训练视频中除所述第一训练图像以外的视频帧图像中，随机确定第二训练图像，由此能够生成更丰富、多样的训练图像对，从而有助于提高第一神经网络的泛化能力。
作为该实现方式的一个示例，所述从所述训练视频中除所述第一训练图像以外的视频帧图像中，随机确定第二训练图像，包括：生成随机概率；响应于所述随机概率小于第二预设阈值，从所述训练视频中除所述第一训练图像以外的所有视频帧图像中，随机确定第二训练图像；或者，响应于所述随机概率大于或等于所述第二预设阈值，从目标视频帧图像区间中除所述第一训练图像以外的视频帧图像中，随机确定所述第二训练图像，其中，所述目标视频帧图像区间包括多个连续的视频帧图像，所述目标视频帧图像区间包括所述第一训练图像，且所述目标视频帧图像区间中的视频帧图像的数量小于所述训练视频中的视频帧图像的数量。
在该示例中，可以从预设区间中，生成随机概率。例如，预设区间可以为[0,1]，第二预设阈值可以为0.5。当然，本领域技术人员可以根据实际应用场景需求灵活设置预设区间以及第二预设阈值。在一个例子中，第二预设阈值可以采用SELECT_THRESH表示。
在该示例中，若所述随机概率小于第二预设阈值，则可以从所述训练视频中除所述第一训练图像以外的所有视频帧图像中，随机确定第二训练图像；若所述随机概率大于或等于所述第二预设阈值，则可以从目标视频帧图像区间中除所述第一训练图像以外的视频帧图像中，随机确定所述第二训练图像。其中，目标视频帧图像区间可以根据第一训练图像在所述训练视频中的位置确定。例如，目标视频帧图像区间可以采用[index1-SELECT_GAP/2, index1+SELECT_GAP/2]表示。其中，index1表示第一训练图像的索引值，SELECT_GAP用于确定目标视频帧图像区间的长度。例如，SELECT_GAP等于26。
例如，训练视频V_s包括Ns个视频帧图像，依次为Frame_1、Frame_2、Frame_3、…、Frame_Ns。可以从第1个视频帧图像Frame_1到第Ns个视频帧图像Frame_Ns，按顺序构造训练图像对，得到Ns个训练图像对。当然，基于训练视频V_s生成的训练图像对的数量还可以更多或更少，在此不做限定。
例如，训练图像对中的第一训练图像为第index1帧，训练图像对中的第二训练图像为第index2帧，那么，训练图像对可以采用（Frame_index1, Frame_index2）表示。
其中，第二训练图像的index2的索引获取方式可以为：
在[0,1]区间内以均匀分布生成随机概率p；若随机概率p小于第二预设阈值SELECT_THRESH，则可以在 [1, 2, …, Ns] 中均匀分布随机选择一个索引值作为index2；若随机概率p大于或等于第二预设阈值SELECT_THRESH，则可以在目标视频帧图像区间[index1-SELECT_GAP/2, index1+SELECT_GAP/2] 中均匀分布随机选择一个索引值作为index2。
在该示例中，通过生成随机概率，响应于所述随机概率小于第二预设阈值，从所述训练视频中除所述第一训练图像以外的所有视频帧图像中，随机确定第二训练图像，或者，响应于所述随机概率大于或等于所述第二预设阈值，从目标视频帧图像区间中除所述第一训练图像以外的视频帧图像中，随机确定所述第二训练图像，由此能够基于训练视频生成非相似的训练图像对和相似的训练图像对，从而有利于提高对第一神经网络的训练效果。
作为该实现方式的另一个示例，所述从所述训练视频中除所述第一训练图像以外的视频帧图像中，随机确定第二训练图像，包括：从所述训练视频中除所述第一训练图像以外的所有视频帧图像中，随机确定第二训练图像。
作为该实现方式的另一个示例，所述从所述训练视频中除所述第一训练图像以外的视频帧图像中，随机确定第二训练图像，包括：从目标视频帧图像区间中除所述第一训练图像以外的视频帧图像中，随机确定所述第二训练图像，其中，所述目标视频帧图像区间包括多个连续的视频帧图像，所述目标视频帧图像区间包括所述第一训练图像，且所述目标视频帧图像区间中的视频帧图像的数量小于所述训练视频中的视频帧图像的数量。
在本公开实施例中，在获得训练图像对之后，可以对第一训练图像和第二训练图像分别进行预设类型的目标检测。其中，预设类型的数量可以为至少一种。即，可以对第一训练图像和第二训练图像分别进行单种预设类型的目标检测，也可以对第一训练图像和第二训练图像分别进行两种以上预设类型的目标检测。例如，预设类型的目标检测可以包括人脸检测、人体检测、行人检测、动物检测、植物检测、物体检测、机动车检测、建筑物检测等中的至少一种。本领域技术人员可以根据实际应用场景需求灵活设置预设类型。
在本公开实施例中，对第一训练图像进行预设类型的目标检测，可以得到第一训练图像中的第一检测框集合。其中，第一检测框集合可以表示第一训练图像中的检测框的集合。在第一训练图像中存在预设类型的目标对象的情况下，第一检测框集合中的第一检测框的数量可以为至少一个；在第一训练图像中不存在预设类型的目标对象的情况下，第一检测框集合中的第一检测框的数量可以为0。其中，第一检测框可以表示第一训练图像中的检测框。第一训练图像中的所有第一检测框组成第一检测框集合。
对第二训练图像进行预设类型的目标检测，可以得到第二训练图像中的第二检测框集合。其中，第二检测框集合可以表示第二训练图像中的检测框的集合。在第二训练图像中存在预设类型的目标对象的情况下，第二检测框集合中的第二检测框的数量可以为至少一个；在第二训练图像中不存在预设类型的目标对象的情况下，第二检测框集合中的第二检测框的数量可以为0。其中，第二检测框可以表示第二训练图像中的检测框。第二训练图像中的所有第二检测框组成第二检测框集合。
在一个例子中，第一检测框集合可以采用[bbox_11, bbox_12, …, bbox_1N1]表示，第二检测框集合可以采用[bbox_21, bbox_22, …, bbox_2N2]表示。在这个例子中，第一检测框集合包括N1个第一检测框，第二检测框集合包括N2个第二检测框。
在下文中，以第一检测框集合和第二检测框集合中的检测框的数量均大于或等于1进行说明。
在本公开实施例中，在得到第一检测框集合和第二检测框集合之后，可以确定第一检测框集合与第二检测框集合之间的差异信息。其中，所述差异信息可以采用frames_diff_value表示。所述差异信息可以包括第一检测框集合中的所有第一检测框与第二检测框集合中的所有第二检测框之间的差异信息，或者，所述差异信息可以包括第一检测框集合中的部分第一检测框与第二检测框集合中的部分第二检测框之间的差异信息，或者，所述差异信息可以包括第一检测框集合中的所有第一检测框与第二检测框集合中的部分第二检测框之间的差异信息，或者，所述差异信息可以包括第一检测框集合中的部分第一检测框与第二检测框集合中的所有第二检测框之间的差异信息。
在一种可能的实现方式中，所述确定所述第一检测框集合与所述第二检测框集合之间的差异信息，包括：对所述第一检测框集合中的至少一个第一检测框分别进行特征提取，得到与所述至少一个第一检测框一一对应的至少一项第一特征；对所述第二检测框集合中的至少一个第二检测框分别进行特征提取，得到与所述至少一个第二检测框一一对应的至少一项第二特征；根据所述至少一项第一特征和所述至少一项第二特征，确定所述第一检测框集合与所述第二检测框集合之间的差异信息。
在一个例子中，第一检测框集合[bbox_11, bbox_12, …, bbox_1N1]中的第i个第一检测框bbox_1i对应的第一特征可以采用vec_i表示，第二检测框集合[bbox_21,bbox_22, …, bbox_2N2]中的第j个第二检测框bbox_2j对应的第二特征可以采用vec_j表示，其中，1≤i≤N1，1≤j≤N2。
作为该实现方式的一个示例，可以采用预先训练的第二神经网络对第一检测框和第二检测框进行特征提取。
在该实现方式中，通过对所述第一检测框集合中的至少一个第一检测框分别进行特征提取，得到与所述至少一个第一检测框一一对应的至少一项第一特征，对所述第二检测框集合中的至少一个第二检测框分别进行特征提取，得到与所述至少一个第二检测框一一对应的至少一项第二特征，并根据所述至少一项第一特征和所述至少一项第二特征，确定所述第一检测框集合与所述第二检测框集合之间的差异信息，由此能够更准确地确定第一检测框集合与第二检测框集合之间的差异信息，从而能够获得所述训练图像对对应的更准确的标注数据，进而能够使第一神经网络获得更准确的图像比对能力。
作为该实现方式的一个示例，所述差异信息包括：所述第一检测框与所述第二检测框之间的差异值；所述根据所述至少一项第一特征和所述至少一项第二特征，确定所述第一检测框集合与所述第二检测框集合之间的差异信息，包括：对于所述第一检测框集合中的任一第一检测框和所述第二检测框集合中的任一第二检测框，根据所述第一检测框对应的第一特征与所述第二检测框对应的第二特征之间的相似度，确定所述第一检测框与所述第二检测框之间的差异值。
在一个例子中，所述差异信息可以包括各个第一检测框与各个第二检测框之间的差异值。例如，若第一检测框的数量为N1，第二检测框的数量为N2，则所述差异信息可以包括N1×N2项差异值。
在一个例子中，对于所述第一检测框集合中的任一第一检测框和所述第二检测框集合中的任一第二检测框，可以根据所述第一检测框对应的第一特征与所述第二检测框对应的第二特征之间的余弦相似度，确定所述第一检测框与所述第二检测框之间的差异值。
在该示例中，通过根据各个第一检测框对应的第一特征与各个第二检测框对应的第二特征之间的相似度，确定各个第一检测框与各个第二检测框之间的差异值，并根据各个第一检测框与各个第二检测框之间的差异值确定训练图像对对应的标注数据，由此能够进一步提高训练图像对对应的标注数据的准确性。
在一个示例中，所述根据所述第一检测框对应的第一特征与所述第二检测框对应的第二特征之间的相似度，确定所述第一检测框与所述第二检测框之间的差异值，包括：响应于所述第一检测框对应的第一特征与所述第二检测框对应的第二特征之间的相似度大于或等于第一预设阈值，将所述第一检测框与所述第二检测框之间的差异值确定为0；或者，响应于所述相似度小于所述第一预设阈值，将1与所述相似度的差值确定为所述差异值。
例如，第一预设阈值可以为0.9、0.95或者0.85等，在此不做限定。在一个例子中，第一预设阈值可以采用REC_THRESH表示。
在一个例子中，第一检测框bbox_1i对应的第一特征vec_i与第二检测框bbox_2j对应的第二特征vec_j之间的相似度可以采用sim_i_j表示，第一检测框bbox_1i与第二检测框bbox_2j之间的差异值可以采用c_i_j表示。若第一特征vec_i与第二特征vec_j之间的相似度sim_i_j大于或等于第一预设阈值REC_THRESH，则可以确定第一检测框bbox_1i与第二检测框bbox_2j中的目标对象相同，并可以确定第一检测框bbox_1i与第二检测框bbox_2j之间的差异值c_i_j等于0；若第一特征vec_i与第二特征vec_j之间的相似度sim_i_j小于第一预设阈值REC_THRESH，则可以确定第一检测框bbox_1i与第二检测框bbox_2j之间的差异值c_i_j=1-sim_i_j。
在该示例中，通过响应于所述第一检测框对应的第一特征与所述第二检测框对应的第二特征之间的相似度大于或等于第一预设阈值，将所述第一检测框与所述第二检测框之间的差异值确定为0，或者，响应于所述相似度小于所述第一预设阈值，将1与所述相似度的差值确定为所述差异值，由此通过对包含相同目标对象的检测框之间的差异值进行调整，能够获得更准确的标注数据，从而能够进一步提高第一神经网络进行图像比对的准确性。
在另一个示例中，所述根据所述第一检测框对应的第一特征与所述第二检测框对应的第二特征之间的相似度，确定所述第一检测框与所述第二检测框之间的差异值，包括：将1与所述相似度的差值确定为所述差异值。
在一个示例中，所述标注数据包括差异真值，所述差异预测信息包括第一差异预测值；所述根据所述差异信息，确定所述训练图像对对应的标注数据，包括：确定所述第一检测框集合中的各个第一检测框与所述第二检测框集合中的各个第二检测框之间的差异值的和值；根据所述和值，确定所述差异真值；所述根据所述标注数据和所述差异预测信息，训练所述第一神经网络，包括：根据所述差异真值和所述第一差异预测值，训练所述第一神经网络。
在该示例中，差异真值可以表示第一检测框集合与第二检测框集合之间的差异值的真值。第一差异预测值可以表示第一神经网络对所述训练图像对预测得到的差异值。
在一个例子中，第一检测框的数量为N1，第二检测框的数量为N2，差异值的项数为N1×N2。可以将N1×N2项差异值相加，得到所述和值。
在该示例中，可以将所述和值作为所述差异真值，或者，可以将所述和值与预设倍数的乘积作为所述差异真值，等等。
在一个例子中，可以根据各个第一检测框与各个第二检测框之间的差异值，构造代价矩阵cost_matrix = [c_1_1, c_1_2, …, c_1_N1; c_2_1,c_2_2, …, c_2_N1; …;c_N2_1,c_N2_2, …, c_N2_N1]。可以将代价矩阵cost_matrix中的所有元素值相加，得到差异真值frames_diff_value。
根据该示例，能够提高第一神经网络进行图像比对的准确性。
在一个示例中，所述标注数据包括掩膜图像，所述差异预测信息包括差异特征图；所述根据所述差异信息，确定所述训练图像对对应的标注数据，包括：根据所述差异信息，确定所述第一检测框集合和所述第二检测框集合中的未匹配检测框；其中，所述未匹配检测框包括所述第一检测框集合中未与所述第二检测框集合中的第二检测框匹配的第一检测框，以及所述第二检测框集合中未与所述第一检测框集合中的第一检测框匹配的第二检测框；根据所述未匹配检测框的位置信息，生成所述掩码图像；所述根据所述标注数据和所述差异预测信息，训练所述第一神经网络，包括：根据所述掩膜图像和所述差异特征图，训练所述第一神经网络。
在一个例子中，可以将代价矩阵cost_matrix输入匈牙利算法，得到匹配结果match_indexes和未匹配结果unmatch_indexes。其中，匹配结果match_indexes可以包括第一检测框集合和第二检测框集合中相互匹配的检测框的信息。未匹配结果unmatch_indexes可以包括未匹配检测框的信息。
在另一个例子中，若任一第一检测框与任一第二检测框之间的差异值小于或等于第四预设阈值，则可以确定该第一检测框与该第二检测框匹配；若任一第一检测框与各个第二检测框之间的差异值均大于第四预设阈值，则可以将该第一检测框确定为未匹配检测框；若任一第二检测框与各个第一检测框之间的差异值均大于第四预设阈值，则可以将该第二检测框确定为未匹配检测框。
在该示例中，掩码图像的数量可以为一个或两个以上。掩码图像可以用于指示第一训练图像与第二训练图像中存在差异的像素位置。例如，掩码图像中的像素值的取值范围为[0,1]。
在该示例中，差异特征图可以是能够反映第一训练图像与第二训练图像之间的差异信息的特征图。差异特征图可以为第一神经网络的辅助模块输出的特征图，或者可以为第一神经网络的指定的中间层输出的特征图。
在该示例中，通过利用第一神经网络的中间输出结果与掩码图像对第一神经网络进行训练，由此能够进一步提高第一神经网络进行图像比对的准确性。
在另一个示例中，所述未匹配检测框可以仅包括所述第一检测框集合中未与所述第二检测框集合中的第二检测框匹配的第一检测框。
在另一个示例中，所述未匹配检测框可以仅包括所述第二检测框集合中未与所述第一检测框集合中的第一检测框匹配的第二检测框。
在一个示例中，所述根据所述未匹配检测框的位置信息，生成所述掩码图像，包括：根据所述未匹配检测框的几何中心、所述未匹配检测框的宽度和所述未匹配检测框的高度，生成高斯核函数；根据所述高斯核函数，生成所述掩码图像。在该示例中，掩码图像也可以称为高斯热图、热力图真值等，在此不做限定。
在一个例子中，可以生成一张和第一训练图像Frame_index1的尺寸相同，且像素值均为0的单通道的图像。可以在未匹配检测框的位置生成均值为0、方差为1的高斯核，其中，高斯核的中心位置为未匹配检测框的中心位置，高斯核的横轴长度等于未匹配检测框的宽度，高斯核的纵轴长度等于未匹配检测框的高度。从而，可以得到与第一训练图像Frame_index1的尺寸相同的原掩码图像mask。可以根据原掩码图像mask，得到用于监督第一神经网络的至少一个掩码图像。
在该示例中，通过根据所述未匹配检测框的几何中心、所述未匹配检测框的宽度和所述未匹配检测框的高度，生成高斯核函数，并根据所述高斯核函数，生成所述掩码图像，由此生成的掩码图像能够更准确地反映第一训练图像与第二训练图像之间的差异，从而能够对第一神经网络实现更准确的监督。
在一个示例中，所述预设类型为人脸，所述高斯核函数为椭圆高斯核函数。由于人脸接近于椭圆形，因此，通过根据所述未匹配检测框的几何中心、所述未匹配检测框的宽度和所述未匹配检测框的高度，生成椭圆高斯核函数，并根据所述椭圆高斯核函数，生成所述掩码图像，由此生成的掩码图像能够更准确地表示第一训练图像与第二训练图像之间的差异位置，从而能够利用所述掩码图像实现更准确的监督学习。
在另一个示例中，在所述掩码图像中，未匹配检测框对应区域中的各个像素的像素值为1，未匹配检测框对应区域之外的各个像素的像素值为0。
在一个示例中，所述掩码图像包括至少两种尺寸的掩码图像，所述差异特征图包括与所述至少两种尺寸的掩码图像一一对应的至少两种尺寸的差异特征图。
在一个例子中，可以对原掩码图像mask进行缩放（resize）操作，得到用于监督第一神经网络的至少一个掩码图像。例如，尺度列表SCALE_LIST=[4, 8, 16]。可以根据scale=4对原掩码图像mask进行下采样，得到第一掩码图像mask_rs1；可以根据scale=8对原掩码图像mask进行下采样，得到第二掩码图像mask_rs2；可以根据scale=16对原掩码图像mask进行下采样，得到第三掩码图像mask_rs3。用于监督第一神经网络的掩码图像集合可以记为mask_rs = [mask_rs1, mask_rs2, mask_rs3]。在一个例子中，掩码图像集合mask_rs还可以记为masks。
根据该示例，能够利用第一神经网络的至少两个中间层的输出结果与相应的掩码图像对第一神经网络进行训练，由此能够进一步提高第一神经网络进行图像比对的准确性。
在一个示例中，所述差异特征图为所述第一神经网络的辅助模块输出的特征图。其中，辅助模块可以为Aux模块等，在此不做限定。其中，辅助模块可以包括至少一个辅助分支。在该示例中，通过在第一神经网络的训练过程中，在第一神经网络中增加辅助模块，以获得第一神经网络的中间层的输出，从而能够提高第一神经网络的训练效果。
在一个示例中，可以在第一神经网络的至少一个阶段之前，增加辅助分支。其中，辅助分支可以包括卷积层。例如，辅助分支的卷积层的卷积核的尺寸可以为1×1，填充可以为1，步长可以为1。辅助分支可以用于输出差异特征图。
例如，可以在第一神经网络的各个阶段之前，分别增加辅助分支。其中，在第一神经网络的任一阶段之前增加辅助分支可以表示：在该阶段之前、该阶段的上一个网络层之后，增加辅助分支。
图2示出ShuffleNetV2的网络结构的示意图。如图2所示，ShuffleNetV2包括卷积层1、最大池化层、阶段2、阶段3、阶段4、卷积层5、全局池化层和全连接层。且ShuffleNetV2输入单个图像。
图3示出本公开实施例提供的用于图像比对的神经网络的训练方法中的第一神经网络的网络结构的示意图。
如图3所示，第一神经网络将ShuffleNetV2的单输入改为双输入。在一个例子中，第一神经网络的单个输入图像的尺寸可以为[3, 480, 680]。
如图3所示，第一神经网络包括减（Sub）操作模块，用于对两个输入图像执行减操作。
如图3所示，第一神经网络还包括连接（cat）操作模块。连接操作模块可以用于连接两个输入图像和减操作的操作结果。
与ShuffleNetV2相同地，第一神经网络也包括卷积层1、最大池化层、阶段2、阶段3、阶段4、卷积层5、全局池化层和全连接层。
如图3所示，第一神经网络在ShuffleNetV2的基础上增加辅助模块，且辅助模块包括第一辅助分支、第二辅助分支和第三辅助分支。其中，辅助分支还可以称为aux分支。
其中，第一辅助分支在最大池化层之后、阶段2（Stage2）之前，且第一辅助分支包括卷积层。第一辅助分支的卷积层的卷积核的尺寸可以为1×1，填充可以为1，步长可以为1。第一辅助分支可以输出差异特征图1（aux_out1）。
第二辅助分支在阶段2之后、阶段3之前，且第二辅助分支包括卷积层。第二辅助分支的卷积层的卷积核的尺寸可以为1×1，填充可以为1，步长可以为1。第二辅助分支可以输出差异特征图2（aux_out2）。
第三辅助分支在阶段3之后、阶段4之前，且第三辅助分支包括卷积层。第三辅助分支的卷积层的卷积核的尺寸可以为1×1，填充可以为1，步长可以为1。第三辅助分支可以输出差异特征图3（aux_out3）。
另外，第一神经网络可以将原ShuffleNetV2中的全连接（FC）层的输出类别的数目改为1类。
在另一种可能的实现方式中，可以结合第一检测框集合中的第一检测框的位置信息和第二检测框集合中的第二检测框的位置信息，确定所述第一检测框集合与所述第二检测框集合之间的差异信息。
在另一种可能的实现方式中，可以结合第一检测框集合中的第一检测框的数量和第二检测框集合中的第二检测框的数量，确定所述第一检测框集合与所述第二检测框集合之间的差异信息。
在一种可能的实现方式中，可以根据训练图像对和标注数据，生成数据集Data。其中，数据集Data中的任意一项训练数据可以包括一个训练图像对及其标注数据。例如，数据集Data中的任意一项训练数据可以采用[DataX, DataY]表示，其中，DataX表示训练图像对，DataX = [Frame_index1, Frame_index2]。DataY 表示标注数据，例如，Data_Y=[frames_diff_value, masks]。
在一种可能的实现方式中，可以按照预设比例，将数据集Data划分为训练集Data_Train和测试集Data_Test。例如，预设比例可以为8:2。
作为该实现方式的一个示例，在所述按照预设比例，将数据集Data划分为训练集Data_Train和测试集Data_Test之前，所述方法还包括：随机打乱所述数据集。
在一种可能的实现方式中，在训练第一神经网络之前，可以设定优化器optimizer= [Adam, SGD, AdamW, RAdam]和学习率更新策略 lr_schedule = [LambdaLR, StepLR,LinearLR, CosineAnnealingLR, CyclicLR]，并可以通过在训练集Data_Train上训练第一神经网络，在测试集Data_Test上测试第一神经网络，获得最优的超参数para_opt。其中，Adam表示自适应矩估计（Adaptive Moment Estimation），SGD表示随机梯度下降，AdamW表示自适应矩估计+权重衰减（Adaptive Moment Estimation + Weight decay），表示改正的自适应矩估计（Rectified Adaptive Moment Estimation）；LambdaLR表示λ学习率（LambdaLearning Rate），StepLR表示等间隔调整学习率（Step Learning Rate），LinearLR表示线性学习率（Linear Learning Rate），CosineAnnealingLR表示余弦退火学习率（CosineAnnealing Learning Rate），CyclicLR表示周期性学习率（Cyclic Learning Rate）。例如，可以采用交叉验证方法（例如5折交叉验证方法），在在训练集Data_Train上训练第一神经网络，在测试集Data_Test上测试第一神经网络，获得最优的超参数para_opt。例如，最优的超参数para_opt = [AdamW, ConsineAnnealingLR]。
在获得最优的超参数para_opt之后，可以固定超参数para_opt，将第一神经网络在数据集Data上进行训练。
在一种可能的实现方式中，第一神经网络的损失函数loss = w1×loss1 + w2×loss2。其中，w1和w2可以为属于[0,1]的浮点数。loss1可以为第一差异预测值与差异真值frame_diff_value之间的均方误差，loss2可以为mask_rs1与aux_out1之间的均方误差、mask_rs2与aux_out2之间的均方误差、mask_rs3与aux_out3之间的均方误差三者之和。
本公开实施例提供的用于图像比对的神经网络的训练方法可以应用于图像处理、计算机视觉、人工智能等技术领域，且本公开实施例提供的用于图像比对的神经网络的训练方法可以应用于视频流分析、目标跟踪（例如人脸跟踪）、人脸识别、镜头分割等应用场景中，在此不做限定。
下面通过一个具体的应用场景说明本公开实施例提供的用于图像比对的神经网络的训练方法。
在该应用场景中，可以首先构建数据集Data。其中，数据集Data中的任意一项训练数据可以包括一个训练图像对及其标注数据。其中，数据集Data中的任意一项训练数据可以包括一个训练图像对及其标注数据。例如，训练数据可以采用[DataX, DataY]表示，其中，DataX表示训练图像对，DataX = [Frame_index1, Frame_index2]。DataY 表示标注数据，Data_Y=[frames_diff_value, masks]。
以一项训练数据[DataX, DataY]为例，可以先获取训练视频V_s，其中，训练视频V_s包括Ns个视频帧图像，依次为Frame_1、Frame_2、Frame_3、…、Frame_Ns。可以将训练视频中的任一视频帧图像确定为第一训练图像Frame_index1。可以在[0,1]区间内以均匀分布生成随机概率p；若随机概率p小于0.5，则可以在 [1, 2, …, Ns] 中均匀分布随机选择一个索引值作为index2，得到第二训练图像Frame_index2；若随机概率p大于或等于第二预设阈值SELECT_THRESH，则可以在目标视频帧图像区间[index1-SELECT_GAP/2, index1+SELECT_GAP/2] 中均匀分布随机选择一个索引值作为index2，得到第二训练图像Frame_index2。
可以对第一训练图像Frame_index1进行人脸检测，得到第一训练图像Frame_index1中的第一检测框集合[bbox_11, bbox_12, …, bbox_1N1]。可以对第二训练图像Frame_index2进行人脸检测，可以得到第二训练图像Frame_index2中的第二检测框集合[bbox_21, bbox_22, …, bbox_2N2]。
可以对第一检测框集合[bbox_11, bbox_12, …, bbox_1N1]中的N1个第一检测框分别进行特征提取，得到与N1个第一检测框一一对应的N1项第一特征；对第二检测框集合[bbox_21, bbox_22, …, bbox_2N2]中的N2个第二检测框分别进行特征提取，得到与N2个第二检测框一一对应的N2项第二特征。
可以确定各个第一检测框与各个第二检测框之间的余弦相似度。对于第一检测框bbox_1i和第二检测框bbox_2j，若第一特征vec_i与第二特征vec_j之间的相似度sim_i_j大于或等于0.9，则可以确定第一检测框bbox_1i与第二检测框bbox_2j之间的差异值c_i_j等于0；若第一特征vec_i与第二特征vec_j之间的相似度sim_i_j小于0.9，则可以确定第一检测框bbox_1i与第二检测框bbox_2j之间的差异值c_i_j=1-sim_i_j。
可以根据各个第一检测框与各个第二检测框之间的差异值，构造代价矩阵cost_matrix = [c_1_1, c_1_2, …, c_1_N1; c_2_1,c_2_2, …, c_2_N1; …; c_N2_1,c_N2_2, …, c_N2_N1]。可以将代价矩阵cost_matrix中的所有元素值相加，得到差异真值frames_diff_value。
可以将代价矩阵cost_matrix输入匈牙利算法，得到匹配结果match_indexes和未匹配结果unmatch_indexes。其中，匹配结果match_indexes可以包括第一检测框集合和第二检测框集合中相互匹配的检测框的信息。未匹配结果unmatch_indexes可以包括未匹配检测框的信息。
可以生成一张和第一训练图像Frame_index1的尺寸相同，且像素值均为0的单通道的图像。可以在未匹配检测框的位置生成均值为0、方差为1的高斯核，其中，高斯核的中心位置为未匹配检测框的中心位置，高斯核的横轴长度等于未匹配检测框的宽度，高斯核的纵轴长度等于未匹配检测框的高度。从而，可以得到与第一训练图像Frame_index1的尺寸相同的原掩码图像mask。可以根据scale=4对原掩码图像mask进行下采样，得到第一掩码图像mask_rs1；可以根据scale=8对原掩码图像mask进行下采样，得到第二掩码图像mask_rs2；可以根据scale=16对原掩码图像mask进行下采样，得到第三掩码图像mask_rs3。用于监督第一神经网络的掩码图像集合可以记为mask_rs = [mask_rs1, mask_rs2, mask_rs3]。在一个例子中，掩码图像集合mask_rs可以记为masks。
在得到数据集Data之后，可以按照8:2的比例，将数据集Data划分为训练集Data_Train和测试集Data_Test。
第一神经网络的损失函数可以为loss = w1×loss1 + w2×loss2。loss1可以为第一差异预测值与差异真值frame_diff_value之间的均方误差，loss2可以为mask_rs1与aux_out1之间的均方误差、mask_rs2与aux_out2之间的均方误差、mask_rs3与aux_out3之间的均方误差三者之和。其中，aux_out1为第一辅助分支输出的差异特征图1，aux_out2为第二辅助分支输出的差异特征图2，aux_out3为第三辅助分支输出的差异特征图3。
图4示出本公开实施例提供的图像比对方法的流程图。在一种可能的实现方式中，所述图像比对方法的执行主体可以是图像比对装置，例如，所述图像比对方法可以由终端设备或服务器或其它电子设备执行。其中，终端设备可以是用户设备、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理、手持设备、计算设备、车载设备或者可穿戴设备等。在一些可能的实现方式中，所述图像比对方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图4所示，所述图像比对方法包括步骤S41至步骤S43。
在步骤S41中，获取训练得到的第一神经网络。
在步骤S42中，获取第一待比对图像和第二待比对图像。
在步骤S43中，通过所述第一神经网络对所述第一待比对图像和所述第二待比对图像进行处理，得到所述第一待比对图像与所述第二待比对图像的第二差异预测值。
其中，第一待比对图像和第二待比对图像可以表示任意两个待比对的图像。第二差异预测值可以表示第一神经网络对第一待比对图像与第二待比对图像预测得到的差异值。
在一种可能的实现方式中，在所述通过所述第一神经网络对所述第一待比对图像和所述第二待比对图像进行处理之前，所述方法还包括：对所述第一神经网络中的辅助模块进行剪枝，得到剪枝后的第一神经网络；所述通过所述第一神经网络对所述第一待比对图像和所述第二待比对图像进行处理，得到所述第一待比对图像与所述第二待比对图像的第二差异预测值，包括：通过所述剪枝后的第一神经网络对所述第一待比对图像和所述第二待比对图像进行处理，得到所述第一待比对图像与所述第二待比对图像的第二差异预测值。
图5示出本公开实施例提供的图像比对方法中的剪枝后的第一神经网络的示意图。如图5所示，剪枝后的第一神经网络包括减操作、连接操作、卷积层1、最大池化层、阶段2、阶段3、阶段4、卷积层5、全局池化层和全连接层。
结合图3和图5可知，在第一神经网络训练完成后，可以对辅助模块进行剪枝，得到剪枝后的第一神经网络。
下面通过一个具体的应用场景说明本公开实施例提供的图像比对方法。
在该应用场景中，可以读取视频流，并可以对所述视频流进行逐帧解码，得到所述视频流的当前帧图像cur_frame。
若当前帧图像cur_frame为所述视频流的第一帧图像，则可以对所述当前帧图像cur_frame进行图像分析，得到所述当前帧图像cur_frame对应的图像分析结果。
若当前帧图像cur_frame不为所述视频流的第一帧图像，则可以将所述当前帧图像cur_frame的上一帧图像pre_frame作为第一待比对图像，并将所述当前帧图像cur_frame作为第二待比对图像。可以将第一待比对图像和第二待比对图像输入剪枝后的第一神经网络，经由剪枝后的第一神经网络输出第一待比对图像与第二待比对图像的第二差异预测值diff_value。若第二差异预测值diff_value小于或等于第三预设阈值DIFF_THRESH，则可以不对第二待比对图像进行图像分析；若第二差异预测值diff_value大于第三预设阈值DIFF_THRESH，则可以对第二待比对图像进行图像分析，得到第二待比对图像对应的图像分析结果（即所述当前帧图像cur_frame对应的图像分析结果）。例如，DIFF_THRESH=0.5。
通过采用该方法，能够减少图像分析的视频帧数，减少算力消耗，加快视频分析的速度。例如，在面向视频流的人脸识别任务中，可以减少进行图像分析的视频帧数，加快面向视频流的人脸识别任务的完成。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外，本公开还提供了用于图像比对的神经网络的训练装置、图像比对装置、电子设备、计算机可读存储介质、计算机程序产品，上述均可用来实现本公开提供的任一种用于图像比对的神经网络的训练方法或图像比对方法，相应技术方案和技术效果可参见方法部分的相应记载，不再赘述。
图6示出本公开实施例提供的用于图像比对的神经网络的训练装置的框图。如图6所示，所述用于图像比对的神经网络的训练装置包括：
获得模块61，用于获得训练图像对，其中，所述训练图像对包括第一训练图像和第二训练图像；
目标检测模块62，用于对所述第一训练图像和所述第二训练图像分别进行预设类型的目标检测，得到所述第一训练图像中的第一检测框集合和所述第二训练图像中的第二检测框集合；
第一确定模块63，用于确定所述第一检测框集合与所述第二检测框集合之间的差异信息；
第二确定模块64，用于根据所述差异信息，确定所述训练图像对对应的标注数据；
差异预测模块65，用于将所述第一训练图像和所述第二训练图像输入第一神经网络，经由所述第一神经网络输出所述第一训练图像与所述第二训练图像之间的差异预测信息；
训练模块66，用于根据所述标注数据和所述差异预测信息，训练所述第一神经网络，其中，所述第一神经网络用于比对图像之间的差异。
在一种可能的实现方式中，所述第一确定模块63用于：
对所述第一检测框集合中的至少一个第一检测框分别进行特征提取，得到与所述至少一个第一检测框一一对应的至少一项第一特征；
对所述第二检测框集合中的至少一个第二检测框分别进行特征提取，得到与所述至少一个第二检测框一一对应的至少一项第二特征；
根据所述至少一项第一特征和所述至少一项第二特征，确定所述第一检测框集合与所述第二检测框集合之间的差异信息。
在一种可能的实现方式中，所述差异信息包括：所述第一检测框与所述第二检测框之间的差异值；
所述第一确定模块63用于：对于所述第一检测框集合中的任一第一检测框和所述第二检测框集合中的任一第二检测框，根据所述第一检测框对应的第一特征与所述第二检测框对应的第二特征之间的相似度，确定所述第一检测框与所述第二检测框之间的差异值。
在一种可能的实现方式中，所述第一确定模块63用于：
响应于所述第一检测框对应的第一特征与所述第二检测框对应的第二特征之间的相似度大于或等于第一预设阈值，将所述第一检测框与所述第二检测框之间的差异值确定为0；
或者，
响应于所述相似度小于所述第一预设阈值，将1与所述相似度的差值确定为所述差异值。
在一种可能的实现方式中，所述标注数据包括差异真值，所述差异预测信息包括第一差异预测值；
所述第二确定模块64用于：确定所述第一检测框集合中的各个第一检测框与所述第二检测框集合中的各个第二检测框之间的差异值的和值；根据所述和值，确定所述差异真值；
所述训练模块66用于：根据所述差异真值和所述第一差异预测值，训练所述第一神经网络。
在一种可能的实现方式中，所述标注数据包括掩膜图像，所述差异预测信息包括差异特征图；
所述第二确定模块64用于：根据所述差异信息，确定所述第一检测框集合和所述第二检测框集合中的未匹配检测框；其中，所述未匹配检测框包括所述第一检测框集合中未与所述第二检测框集合中的第二检测框匹配的第一检测框，以及所述第二检测框集合中未与所述第一检测框集合中的第一检测框匹配的第二检测框；根据所述未匹配检测框的位置信息，生成所述掩码图像；
所述训练模块66用于：根据所述掩膜图像和所述差异特征图，训练所述第一神经网络。
在一种可能的实现方式中，所述第二确定模块64用于：
根据所述未匹配检测框的几何中心、所述未匹配检测框的宽度和所述未匹配检测框的高度，生成高斯核函数；
根据所述高斯核函数，生成所述掩码图像。
在一种可能的实现方式中，所述预设类型为人脸，所述高斯核函数为椭圆高斯核函数。
在一种可能的实现方式中，所述掩码图像包括至少两种尺寸的掩码图像，所述差异特征图包括与所述至少两种尺寸的掩码图像一一对应的至少两种尺寸的差异特征图。
在一种可能的实现方式中，所述差异特征图为所述第一神经网络的辅助模块输出的特征图。
在一种可能的实现方式中，所述获得模块61用于：
获取训练视频；
将所述训练视频中的任一视频帧图像确定为第一训练图像；
从所述训练视频中除所述第一训练图像以外的视频帧图像中，随机确定第二训练图像。
在一种可能的实现方式中，所述获得模块61用于：
生成随机概率；
响应于所述随机概率小于第二预设阈值，从所述训练视频中除所述第一训练图像以外的所有视频帧图像中，随机确定第二训练图像；或者，响应于所述随机概率大于或等于所述第二预设阈值，从目标视频帧图像区间中除所述第一训练图像以外的视频帧图像中，随机确定所述第二训练图像，其中，所述目标视频帧图像区间包括多个连续的视频帧图像，所述目标视频帧图像区间包括所述第一训练图像，且所述目标视频帧图像区间中的视频帧图像的数量小于所述训练视频中的视频帧图像的数量。
图7示出本公开实施例提供的图像比对装置的框图。如图7所示，所述图像比对装置包括：
第一获取模块71，用于获取训练得到的第一神经网络；
第二获取模块72，用于获取第一待比对图像和第二待比对图像；
处理模块73，用于通过所述第一神经网络对所述第一待比对图像和所述第二待比对图像进行处理，得到所述第一待比对图像与所述第二待比对图像的第二差异预测值。
在一种可能的实现方式中，所述装置还包括：
剪枝模块，用于对所述第一神经网络中的辅助模块进行剪枝，得到剪枝后的第一神经网络；
所述处理模块用于：通过所述剪枝后的第一神经网络对所述第一待比对图像和所述第二待比对图像进行处理，得到所述第一待比对图像与所述第二待比对图像的第二差异预测值。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现和技术效果可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。其中，所述计算机可读存储介质可以是非易失性计算机可读存储介质，或者可以是易失性计算机可读存储介质。
本公开实施例还提出一种计算机程序，包括计算机可读代码，当所述计算机可读代码在电子设备中运行时，所述电子设备中的处理器执行上述方法。
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备中运行时，所述电子设备中的处理器执行上述方法。
本公开实施例还提供一种电子设备，包括：一个或多个处理器；用于存储可执行指令的存储器；其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，以执行上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图8示出本公开实施例提供的电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图8，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入/输出接口1958（I/O接口）。电子设备1900可以操作基于存储在存储器1932的操作系统，例如微软服务器操作系统（Windows ServerTM），苹果公司推出的基于图形用户界面操作系统(MacOS XTM)，多用户多进程的计算机操作系统（UnixTM）, 自由和开放原代码的类Unix操作系统（LinuxTM），开放原代码的类Unix操作系统（FreeBSDTM）或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、静态随机存取存储器（SRAM）、便携式压缩盘只读存储器（CD-ROM）、数字多功能盘（DVD）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构（ISA）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（FPGA）或可编程逻辑阵列（PLA），该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。
若本公开实施例的技术方案涉及个人信息，应用本公开实施例的技术方案的产品在处理个人信息前，已明确告知个人信息处理规则，并取得个人自主同意。若本公开实施例的技术方案涉及敏感个人信息，应用本公开实施例的技术方案的产品在处理敏感个人信息前，已取得个人单独同意，并且同时满足“明示同意”的要求。例如，在摄像头等个人信息采集装置处，设置明确显著的标识告知已进入个人信息采集范围，将会对个人信息进行采集，若个人自愿进入采集范围即视为同意对其个人信息进行采集；或者在个人信息处理的装置上，利用明显的标识/信息告知个人信息处理规则的情况下，通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权；其中，个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式以及处理的个人信息种类等信息。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (15)
1.一种用于图像比对的神经网络的训练方法，其特征在于，包括：
获得训练图像对，其中，所述训练图像对包括第一训练图像和第二训练图像；
对所述第一训练图像和所述第二训练图像分别进行预设类型的目标检测，得到所述第一训练图像中的第一检测框集合和所述第二训练图像中的第二检测框集合；
确定所述第一检测框集合与所述第二检测框集合之间的差异信息；
根据所述差异信息，确定所述训练图像对对应的标注数据；
将所述第一训练图像和所述第二训练图像输入第一神经网络，经由所述第一神经网络输出所述第一训练图像与所述第二训练图像之间的差异预测信息；
根据所述标注数据和所述差异预测信息，训练所述第一神经网络，其中，所述第一神经网络用于比对图像之间的差异；
其中，所述差异信息包括：所述第一检测框集合中的第一检测框与所述第二检测框集合中的第二检测框之间的差异值；
所述确定所述第一检测框集合与所述第二检测框集合之间的差异信息，包括：
对所述第一检测框集合中的至少一个第一检测框分别进行特征提取，得到与所述至少一个第一检测框一一对应的至少一项第一特征；
对所述第二检测框集合中的至少一个第二检测框分别进行特征提取，得到与所述至少一个第二检测框一一对应的至少一项第二特征；
对于所述第一检测框集合中的任一第一检测框和所述第二检测框集合中的任一第二检测框，根据所述第一检测框对应的第一特征与所述第二检测框对应的第二特征之间的相似度，确定所述第一检测框与所述第二检测框之间的差异值；
所述标注数据包括差异真值，所述差异预测信息包括第一差异预测值；
所述根据所述差异信息，确定所述训练图像对对应的标注数据，包括：确定所述第一检测框集合中的各个第一检测框与所述第二检测框集合中的各个第二检测框之间的差异值的和值；根据所述和值，确定所述差异真值；
所述根据所述标注数据和所述差异预测信息，训练所述第一神经网络，包括：根据所述差异真值和所述第一差异预测值，训练所述第一神经网络。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一检测框对应的第一特征与所述第二检测框对应的第二特征之间的相似度，确定所述第一检测框与所述第二检测框之间的差异值，包括：
响应于所述第一检测框对应的第一特征与所述第二检测框对应的第二特征之间的相似度大于或等于第一预设阈值，将所述第一检测框与所述第二检测框之间的差异值确定为0；
或者，
响应于所述相似度小于所述第一预设阈值，将1与所述相似度的差值确定为所述差异值。
3.根据权利要求1或2所述的方法，其特征在于，所述标注数据还包括掩码图像，所述差异预测信息还包括差异特征图；
所述根据所述差异信息，确定所述训练图像对对应的标注数据，还包括：根据所述差异信息，确定所述第一检测框集合和所述第二检测框集合中的未匹配检测框；其中，所述未匹配检测框包括所述第一检测框集合中未与所述第二检测框集合中的第二检测框匹配的第一检测框，以及所述第二检测框集合中未与所述第一检测框集合中的第一检测框匹配的第二检测框；根据所述未匹配检测框的位置信息，生成所述掩码图像；
所述根据所述标注数据和所述差异预测信息，训练所述第一神经网络，还包括：根据所述掩码图像和所述差异特征图，训练所述第一神经网络。
4.根据权利要求3所述的方法，其特征在于，所述根据所述未匹配检测框的位置信息，生成所述掩码图像，包括：
根据所述未匹配检测框的几何中心、所述未匹配检测框的宽度和所述未匹配检测框的高度，生成高斯核函数；
根据所述高斯核函数，生成所述掩码图像。
5.根据权利要求4所述的方法，其特征在于，所述预设类型为人脸，所述高斯核函数为椭圆高斯核函数。
6.根据权利要求3所述的方法，其特征在于，所述掩码图像包括至少两种尺寸的掩码图像，所述差异特征图包括与所述至少两种尺寸的掩码图像一一对应的至少两种尺寸的差异特征图。
7.根据权利要求3所述的方法，其特征在于，所述差异特征图为所述第一神经网络的辅助模块输出的特征图。
8.根据权利要求1或2所述的方法，其特征在于，所述获得训练图像对，包括：
获取训练视频；
将所述训练视频中的任一视频帧图像确定为第一训练图像；
从所述训练视频中除所述第一训练图像以外的视频帧图像中，随机确定第二训练图像。
9.根据权利要求8所述的方法，其特征在于，所述从所述训练视频中除所述第一训练图像以外的视频帧图像中，随机确定第二训练图像，包括：
生成随机概率；
响应于所述随机概率小于第二预设阈值，从所述训练视频中除所述第一训练图像以外的所有视频帧图像中，随机确定第二训练图像；或者，响应于所述随机概率大于或等于所述第二预设阈值，从目标视频帧图像区间中除所述第一训练图像以外的视频帧图像中，随机确定所述第二训练图像，其中，所述目标视频帧图像区间包括多个连续的视频帧图像，所述目标视频帧图像区间包括所述第一训练图像，且所述目标视频帧图像区间中的视频帧图像的数量小于所述训练视频中的视频帧图像的数量。
10.一种图像比对方法，其特征在于，包括：
获取如权利要求1至9中任意一项所述的方法训练得到的第一神经网络；
获取第一待比对图像和第二待比对图像；
通过所述第一神经网络对所述第一待比对图像和所述第二待比对图像进行处理，得到所述第一待比对图像与所述第二待比对图像的第二差异预测值。
11.根据权利要求10所述的方法，其特征在于，
在所述通过所述第一神经网络对所述第一待比对图像和所述第二待比对图像进行处理之前，所述方法还包括：对所述第一神经网络中的辅助模块进行剪枝，得到剪枝后的第一神经网络；
所述通过所述第一神经网络对所述第一待比对图像和所述第二待比对图像进行处理，得到所述第一待比对图像与所述第二待比对图像的第二差异预测值，包括：通过所述剪枝后的第一神经网络对所述第一待比对图像和所述第二待比对图像进行处理，得到所述第一待比对图像与所述第二待比对图像的第二差异预测值。
12.一种用于图像比对的神经网络的训练装置，其特征在于，包括：
获得模块，用于获得训练图像对，其中，所述训练图像对包括第一训练图像和第二训练图像；
目标检测模块，用于对所述第一训练图像和所述第二训练图像分别进行预设类型的目标检测，得到所述第一训练图像中的第一检测框集合和所述第二训练图像中的第二检测框集合；
第一确定模块，用于确定所述第一检测框集合与所述第二检测框集合之间的差异信息；
第二确定模块，用于根据所述差异信息，确定所述训练图像对对应的标注数据；
差异预测模块，用于将所述第一训练图像和所述第二训练图像输入第一神经网络，经由所述第一神经网络输出所述第一训练图像与所述第二训练图像之间的差异预测信息；
训练模块，用于根据所述标注数据和所述差异预测信息，训练所述第一神经网络，其中，所述第一神经网络用于比对图像之间的差异；
其中，所述差异信息包括：所述第一检测框集合中的第一检测框与所述第二检测框集合中的第二检测框之间的差异值；
所述第一确定模块具体用于：
对所述第一检测框集合中的至少一个第一检测框分别进行特征提取，得到与所述至少一个第一检测框一一对应的至少一项第一特征；
对所述第二检测框集合中的至少一个第二检测框分别进行特征提取，得到与所述至少一个第二检测框一一对应的至少一项第二特征；
对于所述第一检测框集合中的任一第一检测框和所述第二检测框集合中的任一第二检测框，根据所述第一检测框对应的第一特征与所述第二检测框对应的第二特征之间的相似度，确定所述第一检测框与所述第二检测框之间的差异值；
所述标注数据包括差异真值，所述差异预测信息包括第一差异预测值；
所述第二确定模块具体用于：确定所述第一检测框集合中的各个第一检测框与所述第二检测框集合中的各个第二检测框之间的差异值的和值；根据所述和值，确定所述差异真值；
所述训练模块具体用于：根据所述差异真值和所述第一差异预测值，训练所述第一神经网络。
13.一种图像比对装置，其特征在于，包括：
第一获取模块，用于获取如权利要求12所述的装置训练得到的第一神经网络；
第二获取模块，用于获取第一待比对图像和第二待比对图像；
处理模块，用于通过所述第一神经网络对所述第一待比对图像和所述第二待比对图像进行处理，得到所述第一待比对图像与所述第二待比对图像的第二差异预测值。
14.一种电子设备，其特征在于，包括：
一个或多个处理器；
用于存储可执行指令的存储器；
其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，以执行权利要求1至11中任意一项所述的方法。
15.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至11中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211688248.2A CN115661492B (zh) | 2022-12-28 | 2022-12-28 | 图像比对方法、装置、电子设备、存储介质和程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211688248.2A CN115661492B (zh) | 2022-12-28 | 2022-12-28 | 图像比对方法、装置、电子设备、存储介质和程序产品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115661492A CN115661492A (zh) | 2023-01-31 |
| CN115661492B true CN115661492B (zh) | 2023-12-29 |
Family
ID=85023277
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211688248.2A Active CN115661492B (zh) | 2022-12-28 | 2022-12-28 | 图像比对方法、装置、电子设备、存储介质和程序产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115661492B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016037300A1 (en) * | 2014-09-10 | 2016-03-17 | Xiaoou Tang | Method and system for multi-class object detection |
| EP3057019A1 (en) * | 2015-02-13 | 2016-08-17 | Thomson Licensing | Method and device for protecting an application and method and device for executing a protected application thus protected |
| CN110826632A (zh) * | 2019-11-11 | 2020-02-21 | 深圳前海微众银行股份有限公司 | 图像变化检测方法、装置、设备及计算机可读存储介质 |
| CN111815668A (zh) * | 2020-06-23 | 2020-10-23 | 浙江大华技术股份有限公司 | 目标跟踪方法、电子设备及存储介质 |
| CN112884721A (zh) * | 2021-02-01 | 2021-06-01 | 成都市览图科技有限公司 | 一种异常检测方法、系统及计算机可读存储介质 |
| CN113239928A (zh) * | 2021-05-11 | 2021-08-10 | 北京百度网讯科技有限公司 | 图像差异检测及模型训练的方法、设备及程序产品 |
| WO2021155632A1 (zh) * | 2020-02-03 | 2021-08-12 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
| CN114067147A (zh) * | 2021-11-12 | 2022-02-18 | 北京航空航天大学 | 一种基于局部形状匹配的舰船目标确认方法 |
| CN114332563A (zh) * | 2021-12-30 | 2022-04-12 | 上海商汤智能科技有限公司 | 图像处理模型训练方法及相关装置、设备和存储介质 |
| CN114972211A (zh) * | 2022-05-09 | 2022-08-30 | 推想医疗科技股份有限公司 | 图像分割模型的训练方法、分割方法、装置、设备和介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11234105B2 (en) * | 2014-09-29 | 2022-01-25 | Visa International Service Association | Methods and systems for asset obfuscation |
| CN106778867B (zh) * | 2016-12-15 | 2020-07-07 | 北京旷视科技有限公司 | 目标检测方法和装置、神经网络训练方法和装置 |
| US10936912B2 (en) * | 2018-11-01 | 2021-03-02 | International Business Machines Corporation | Image classification using a mask image and neural networks |
-
2022
- 2022-12-28 CN CN202211688248.2A patent/CN115661492B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016037300A1 (en) * | 2014-09-10 | 2016-03-17 | Xiaoou Tang | Method and system for multi-class object detection |
| EP3057019A1 (en) * | 2015-02-13 | 2016-08-17 | Thomson Licensing | Method and device for protecting an application and method and device for executing a protected application thus protected |
| CN110826632A (zh) * | 2019-11-11 | 2020-02-21 | 深圳前海微众银行股份有限公司 | 图像变化检测方法、装置、设备及计算机可读存储介质 |
| WO2021155632A1 (zh) * | 2020-02-03 | 2021-08-12 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
| CN111815668A (zh) * | 2020-06-23 | 2020-10-23 | 浙江大华技术股份有限公司 | 目标跟踪方法、电子设备及存储介质 |
| CN112884721A (zh) * | 2021-02-01 | 2021-06-01 | 成都市览图科技有限公司 | 一种异常检测方法、系统及计算机可读存储介质 |
| CN113239928A (zh) * | 2021-05-11 | 2021-08-10 | 北京百度网讯科技有限公司 | 图像差异检测及模型训练的方法、设备及程序产品 |
| CN114067147A (zh) * | 2021-11-12 | 2022-02-18 | 北京航空航天大学 | 一种基于局部形状匹配的舰船目标确认方法 |
| CN114332563A (zh) * | 2021-12-30 | 2022-04-12 | 上海商汤智能科技有限公司 | 图像处理模型训练方法及相关装置、设备和存储介质 |
| CN114972211A (zh) * | 2022-05-09 | 2022-08-30 | 推想医疗科技股份有限公司 | 图像分割模型的训练方法、分割方法、装置、设备和介质 |
Non-Patent Citations (2)
| Title |
|---|
| 李长云，王志兵.《智能感知技术及在电气工程中的应用》.2017,第214页. * |
| 王昆翔.《智能理论与警用智能技术》.中国人民公安大学出版社,2009,第430页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115661492A (zh) | 2023-01-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11200424B2 (en) | Space-time memory network for locating target object in video content | |
| CN108205655B (zh) | 一种关键点预测方法、装置、电子设备及存储介质 | |
| US11625433B2 (en) | Method and apparatus for searching video segment, device, and medium | |
| CN113095346A (zh) | 数据标注的方法以及数据标注的装置 | |
| CN112132847A (zh) | 模型训练方法、图像分割方法、装置、电子设备和介质 | |
| CN113505797A (zh) | 模型训练方法、装置、计算机设备和存储介质 | |
| CN113780243A (zh) | 行人图像识别模型的训练方法、装置、设备以及存储介质 | |
| CN114841142A (zh) | 文本生成方法、装置、电子设备和存储介质 | |
| CN115953643A (zh) | 基于知识蒸馏的模型训练方法、装置及电子设备 | |
| CN112560823B (zh) | 基于分布学习的自适应方差和权重的人脸年龄估计方法 | |
| CN117350360A (zh) | 大模型的微调方法、装置、电子设备和存储介质 | |
| CN115661492B (zh) | 图像比对方法、装置、电子设备、存储介质和程序产品 | |
| CN116935035A (zh) | 感兴趣目标的分割方法、装置、介质及电子设备 | |
| CN111008992A (zh) | 目标跟踪方法、装置和系统及存储介质 | |
| CN116152542A (zh) | 图像分类模型的训练方法、装置、设备及存储介质 | |
| CN115131570A (zh) | 图像特征提取模型的训练方法、图像检索方法及相关设备 | |
| CN115546601A (zh) | 一种多目标识别模型及其构建方法、装置及应用 | |
| CN112487927B (zh) | 一种基于物体关联注意力的室内场景识别实现方法及系统 | |
| CN116127080A (zh) | 描述对象的属性值提取方法及相关设备 | |
| CN112949827B (zh) | 神经网络生成、数据处理、智能行驶控制方法及装置 | |
| CN117217288B (zh) | 大模型的微调方法、装置、电子设备和存储介质 | |
| US20230386052A1 (en) | Scene segmentation and object tracking | |
| US20230298326A1 (en) | Image augmentation method, electronic device and readable storage medium | |
| CN116912888A (zh) | 对象识别方法、装置、电子设备及存储介质 | |
| US20240104375A1 (en) | Method and system for lightweighting artificial neural network model, and non-transitory computer-readable recording medium |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |