[发明专利]一种目标识别方法及装置、计算机存储介质

说明书

本发明公开一种目标识别方法及装置、计算机存储介质，涉及图像识别技术领域，以在资源受限场景下，利用卷积神经网络对目标进行快速充分识别，从而提升目标识别性能。所述方法包括获取图像信息；利用目标检测模型识别图像信息所含有的目标信息；该目标检测模型由采用加权方式融合有全局特征图蒸馏和含有目标的局部特征蒸馏的知识蒸馏模型确定。所述装置用于执行目标识别方法。本发明提供的装置用于目标识别中。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种目标识别方法及装置、计算机存储介质。

背景技术

红外成像技术是一种不借助自然光形成图像的方法，具有抗干扰性强、对光照变化不敏感等特性，更加适合特定场景或特定时间段的视频监控，因此，红外目标识别的误检率成为衡量红外目标识别的重要指标。

目前，可以使用卷积神经网络对红外图像中的红外目标进行识别，其误检率比较低，且性能远超过基于手工设计特征的传统检测方法。然而，识别红外目标的卷积神经网络深度和容量比较大，使得整个检测器具有较高的计算量和较大的内存占用量，导致卷积神经网络难以应用在资源受限场景。

发明内容

本发明提出一种目标识别方法及装置、计算机存储介质，以在资源受限场景下，利用卷积神经网络对目标进行快速充分识别，从而提升目标识别性能。

为了达到上述目的，本发明提供一种目标识别方法，包括：

获取图像信息；

利用目标检测模型识别图像信息所含有的目标信息；所述目标检测模型由采用加权方式融合有全局特征图蒸馏和局部特征蒸馏的知识蒸馏模型确定。

与现有技术相比，本发明提供的目标识别方法中，目标检测模型由采用加权方式融合有全局特征图蒸馏和含有目标的局部特征蒸馏的知识蒸馏模型确定，因此，目标检测模型的训练方式为采用加权方式融合有全局特征图蒸馏和含有目标的局部特征蒸馏的知识蒸馏模型训练而成，使得目标检测模型的训练快速收敛，进而获得较小容量的目标检测模型。基于此，本发明提供的目标识别方法可以在较少计算量和较小内存占用的情况下，利用目标检测模型识别图像信息所含有的目标信息，从而保证目标识别方法可以在资源受限的场景下快速识别图像信息所含有的目标信息。

不仅如此，在训练目标检测模型时，可以在老师网络训练完成后，拟合老师网络和学生网络之间的全局特征和包含目标的局部特征，使得最终确定的目标检测模型识别图像信息所含有的目标信息时，可以在保留该图像信息所含有的全图信息的同时，关注到包含有目标的局部区域，使得目标检测模型能够针对性的识别图像信息所含有的目标信息。由此可见，本发明提供的目标识别方法中，目标检测模型的训练过程只是学习充分，具有较高的知识传输效率，因此，可以充分学习图像信息所含有的目标信息，从而利用目标检测模型准确识别图像信息所含有的目标信息。

本发明还提供一种目标识别装置，包括：包括处理器以及与处理器耦合的通信接口；所述处理器用于运行计算机程序或指令，以实现上述技术方案所述目标识别方法。

与现有技术相比，本发明提供的目标识别装置的有益效果与上述技术方案所述目标识别方法的有益效果相同，此处不做赘述。

本发明还提供一种计算机存储介质，其特征在于，所述计算机存储介质中存储有指令，当所述指令被运行时，实现上述技术方案所述目标识别方法。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例提供的目标识别方法的应用场景图；

图2为本发明实施例提供的目标识别方法的流程图；

图3为本发明实施例中目标检测模型的确定框架图；