[發明專利]目標檢測模型的訓練及身份驗證方法和裝置

在審

• 申請號: 202111364379.0
• 申請日: 2021-11-17
• 公開（公告）號: CN114067401A
• 公開（公告）日: 2022-02-18
• 發明（設計）人: 李鋼;王宇杰
• 申請（專利權）人: 上海商湯智能科技有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 靳玫

本公開實施例提供一種目標檢測模型的訓練及身份驗證方法和裝置，采用教師模型為各個錨框輸出的第二分值與學生模型為各個錨框輸出的第一分值之間的差異作為軟標簽來訓練學生模型，從而使得學生模型能夠學習教師模型給各個錨框打分的方式，進而提高了學生模型的目標檢測準確度。

技術領域

本公開涉及計算機視覺技術領域，尤其涉及目標檢測模型的訓練及身份驗證方法和裝置。

背景技術

知識蒸餾(Knowledge Distillation，KD)是指將已經訓練好的教師模型獲取的信息作為軟標簽(soft label)，用以對學生模型進行訓練。在目標檢測應用場景下，軟標簽一般是指樣本圖像中目標對象屬于各類別的概率。然而，基于上述軟標簽訓練出的學生模型的目標檢測準確度較低。

發明內容

第一方面，本公開實施例提供一種目標檢測模型的訓練方法，所述方法包括：將樣本圖像集分別輸入第一目標檢測模型和訓練好的第二目標檢測模型，所述第一目標檢測模型為學生模型，所述第二目標檢測模型為教師模型，所述樣本圖像集中的每張樣本圖像均包括一種類別的樣本對象；針對預先確定的多個錨框，獲取所述第一目標檢測模型為每張樣本圖像確定的所述多個錨框中每個錨框的第一分值，并獲取所述第二目標檢測模型為每張樣本圖像確定的所述每個錨框的第二分值，一個錨框的分值用于表征將所述錨框內的對象劃分為所述樣本對象的真實類別的置信度；基于各個錨框的第一分值與第二分值之間的差異，對所述第一目標檢測模型進行訓練。

在一些實施例中，所述獲取所述第一目標檢測模型為每張樣本圖像確定的所述多個錨框中每個錨框的第一分值，并獲取所述第二目標檢測模型為每張樣本圖像確定的所述每個錨框的第二分值，包括：針對每張樣本圖像，從所述多個錨框中過濾掉所述樣本圖像的背景區域對應的錨框，所述背景區域為所述樣本圖像中除所述樣本對象以外的區域；獲取所述第一目標檢測模型為所述樣本圖像確定的過濾后的所述多個錨框中每個錨框的第一分值，并獲取所述第二目標檢測模型為每張樣本圖像確定的過濾后的所述每個錨框的第二分值。

在一些實施例中，所述基于各個錨框的第一分值與第二分值之間的差異，對所述第一目標檢測模型進行訓練，包括：獲取各個第一分值的第一概率分布和各個第二分值的第二概率分布；基于所述第一概率分布和所述第二概率分布之間的差異建立損失函數；基于所述損失函數對所述第一目標檢測模型進行訓練。

在一些實施例中，所述獲取各個第一分值的第一概率分布和各個第二分值的第二概率分布，包括：對每個目標分值進行指數運算，得到指數分值；對各個指數分值進行求和，得到總分值；基于每個目標分值與所述總分值的商確定所述目標分值的目標概率分布；其中，所述目標分值為所述第一分值，所述目標概率分布為所述第一概率分布；或者所述目標分值為所述第二分值，所述目標概率分布為所述第二概率分布。

在一些實施例中，所述樣本圖像集包括多個子集，每個子集中的樣本圖像包括一種類別的樣本對象；所述基于各個錨框的第一分值與第二分值之間的差異，對所述第一目標檢測模型進行訓練，包括：基于為一個子集內的每張樣本圖像確定的各個錨框的第一分值與第二分值的差異，確定所述子集對應的總差異；基于各個子集對應的總差異，確定所述樣本圖像集對應的總差異；基于所述樣本圖像集對應的總差異對所述第一目標檢測模型進行訓練。

在一些實施例中，所述樣本圖像集中包括以下至少一種樣本圖像：亮度值在預設亮度范圍之外的第一樣本圖像；包括尺寸在預設尺寸范圍之外的目標對象的第二樣本圖像；包括被遮擋的目標對象的第三樣本圖像；包括的目標對象與背景區域的像素值之間的差異小于預設像素差異的第四樣本圖像。

第二方面，本公開實施例提供一種身份驗證方法，所述方法包括：獲取目標對象的人臉圖像；通過預先訓練的人臉檢測模型對所述人臉圖像進行人臉檢測，得到人臉檢測結果；所述人臉檢測模型基于本公開任一實施例所述的目標檢測模型的訓練方法訓練得到；基于所述人臉檢測結果從所述人臉圖像中分割出人臉區域圖像；對所述人臉區域圖像進行人臉識別，得到人臉識別結果；基于所述人臉識別結果對所述目標對象進行身份驗證。