[發(fā)明專利]目標(biāo)檢測模型的訓(xùn)練方法、目標(biāo)檢測方法、裝置及設(shè)備

有效

• 申請?zhí)枺?/td>: 202210495852.7
• 申請日: 2022-05-09
• 公開（公告）號: CN114596497B
• 公開（公告）日: 2022-08-19
• 發(fā)明（設(shè)計）人: 陳博;高原;白錦峰
• 申請（專利權(quán)）人: 北京世紀(jì)好未來教育科技有限公司
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/40;G06V10/774;G06V10/764
• 代理公司: 北京開陽星知識產(chǎn)權(quán)代理有限公司 11710
• 代理人: 范彥揚(yáng)

本公開提供一種目標(biāo)檢測模型的訓(xùn)練方法、目標(biāo)檢測方法、裝置及設(shè)備，其中該訓(xùn)練方法包括：獲取攜帶有標(biāo)注信息的圖像樣本；將圖像樣本輸入至骨干網(wǎng)絡(luò)，得到初步特征；將初步特征輸入至學(xué)生預(yù)測網(wǎng)絡(luò)，得到第一檢測結(jié)果；以及，將初步特征輸入至預(yù)設(shè)的教師預(yù)測網(wǎng)絡(luò)，得到第二檢測結(jié)果；基于第一檢測結(jié)果、第二檢測結(jié)果和標(biāo)注信息對骨干網(wǎng)絡(luò)、學(xué)生預(yù)測網(wǎng)絡(luò)和教師預(yù)測網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直至達(dá)到預(yù)設(shè)條件時停止訓(xùn)練；其中，教師預(yù)測網(wǎng)絡(luò)用于在訓(xùn)練過程中為學(xué)生預(yù)測網(wǎng)絡(luò)提供指定信息，指定信息是教師預(yù)測網(wǎng)絡(luò)生成的與第二檢測結(jié)果相關(guān)的信息；基于停止訓(xùn)練后的骨干網(wǎng)絡(luò)及學(xué)生預(yù)測網(wǎng)絡(luò)得到訓(xùn)練好的目標(biāo)檢測模型。本公開能夠有效提升模型訓(xùn)練效率。

技術(shù)領(lǐng)域

本公開涉及人工智能技術(shù)領(lǐng)域，尤其涉及目標(biāo)檢測模型的訓(xùn)練方法、目標(biāo)檢測方法、裝置及設(shè)備。

背景技術(shù)

目標(biāo)檢測(Object Detection)是計算機(jī)視覺中一項非常重要的研究課題。目標(biāo)檢測的主要目的在于定位與識別出圖像中的感興趣目標(biāo)。現(xiàn)有主流的目標(biāo)檢測模型的規(guī)模相對較大（也即，重量級模型），通常需要借助諸如服務(wù)器等數(shù)據(jù)處理能力較強(qiáng)的云端設(shè)備運(yùn)行，而在很多實際應(yīng)用場景中需要諸如移動端設(shè)備（如手機(jī)）等數(shù)據(jù)處理能力較弱的設(shè)備執(zhí)行目標(biāo)檢測任務(wù)，此類設(shè)備對其上運(yùn)行的模型規(guī)模有較為嚴(yán)格的限制，因此需要規(guī)模相對較小的目標(biāo)檢測模型，也即，需要輕量級模型執(zhí)行目標(biāo)檢測任務(wù)。

基于此，現(xiàn)有技術(shù)大多是預(yù)先訓(xùn)練一個規(guī)模較大的模型（教師模型），之后再采用訓(xùn)練好的教師模型對輕量級模型（學(xué)生模型）進(jìn)行知識蒸餾(Knowledge Distillation)，以得到訓(xùn)練好的學(xué)生模型，以便于后續(xù)將輕量級的學(xué)生模型應(yīng)用于數(shù)據(jù)處理能力較弱的設(shè)備。然而，這種方式屬于兩階段訓(xùn)練方式，較為耗時費(fèi)力，模型訓(xùn)練效率低下。

發(fā)明內(nèi)容

為了解決上述技術(shù)問題或者至少部分地解決上述技術(shù)問題，本公開提供了一種目標(biāo)檢測模型的訓(xùn)練方法、目標(biāo)檢測方法、裝置及設(shè)備。

根據(jù)本公開的一方面，提供了一種目標(biāo)檢測模型的訓(xùn)練方法，其中，所述目標(biāo)檢測模型包括依次連接的骨干網(wǎng)絡(luò)和學(xué)生預(yù)測網(wǎng)絡(luò)；所述方法包括：獲取攜帶有標(biāo)注信息的圖像樣本；將所述圖像樣本輸入至所述骨干網(wǎng)絡(luò)，得到初步特征；將所述初步特征輸入至所述學(xué)生預(yù)測網(wǎng)絡(luò)，得到第一檢測結(jié)果；以及，將所述初步特征輸入至預(yù)設(shè)的教師預(yù)測網(wǎng)絡(luò)，得到第二檢測結(jié)果；基于所述第一檢測結(jié)果、所述第二檢測結(jié)果和所述標(biāo)注信息對所述骨干網(wǎng)絡(luò)、所述學(xué)生預(yù)測網(wǎng)絡(luò)和所述教師預(yù)測網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直至達(dá)到預(yù)設(shè)條件時停止訓(xùn)練；其中，所述教師預(yù)測網(wǎng)絡(luò)用于在訓(xùn)練過程中為所述學(xué)生預(yù)測網(wǎng)絡(luò)提供指定信息，所述指定信息是所述教師預(yù)測網(wǎng)絡(luò)生成的與所述第二檢測結(jié)果相關(guān)的信息；基于停止訓(xùn)練后的所述骨干網(wǎng)絡(luò)及所述學(xué)生預(yù)測網(wǎng)絡(luò)得到訓(xùn)練好的目標(biāo)檢測模型。

根據(jù)本公開的另一方面，提供了一種目標(biāo)檢測方法，包括：獲取待檢測圖像；通過預(yù)先訓(xùn)練好的目標(biāo)檢測模型對所述待檢測圖像進(jìn)行處理，得到所述待檢測圖像中所包含的目標(biāo)對象的檢測結(jié)果；其中，所述目標(biāo)檢測模型是采用上述目標(biāo)檢測模型的訓(xùn)練方法訓(xùn)練得到的。

根據(jù)本公開的另一方面，提供了一種目標(biāo)檢測模型的訓(xùn)練裝置，其中，所述目標(biāo)檢測模型包括依次連接的骨干網(wǎng)絡(luò)和學(xué)生預(yù)測網(wǎng)絡(luò)；所述裝置包括：樣本獲取模塊，用于獲取攜帶有標(biāo)注信息的圖像樣本；初步特征獲取模塊，用于將所述圖像樣本輸入至所述骨干網(wǎng)絡(luò)，得到初步特征；檢測結(jié)果獲取模塊，用于將所述初步特征輸入至所述學(xué)生預(yù)測網(wǎng)絡(luò)，得到第一檢測結(jié)果；以及，將所述初步特征輸入至預(yù)設(shè)的教師預(yù)測網(wǎng)絡(luò)，得到第二檢測結(jié)果；訓(xùn)練模塊，用于基于所述第一檢測結(jié)果、所述第二檢測結(jié)果和所述標(biāo)注信息對所述骨干網(wǎng)絡(luò)、所述學(xué)生預(yù)測網(wǎng)絡(luò)和所述教師預(yù)測網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直至達(dá)到預(yù)設(shè)條件時停止訓(xùn)練；其中，所述教師預(yù)測網(wǎng)絡(luò)用于在訓(xùn)練過程中為所述學(xué)生預(yù)測網(wǎng)絡(luò)提供指定信息，所述指定信息是所述教師預(yù)測網(wǎng)絡(luò)生成的與所述第二檢測結(jié)果相關(guān)的信息；模型獲得模塊，用于基于停止訓(xùn)練后的所述骨干網(wǎng)絡(luò)及所述學(xué)生預(yù)測網(wǎng)絡(luò)得到訓(xùn)練好的目標(biāo)檢測模型。