[发明专利]一种目标检测方法、装置、设备和计算机可读存储介质

说明书

本申请实施例公开了一种目标检测方法、装置、设备和计算机可读存储介质，利用教师网络模型和学生网络模型对样本图片并行进行特征提取，得到教师网络模型对应的第一类别特征和学生网络模型对应的第二类别特征。将第一类别特征和第二类别特征转换为同维度特征信息；基于同维度特征信息以及样本图片对应的类别标签，对学生网络模型的参数进行迭代调整，以得到满足识别要求的学生网络模型。通过将教师网络模型和学生网络模型一同进行训练，可以极大的提升学生网络模型的检测精度，并且由于学生网络模型的架构简单，具有较快的检测速度，从而利用满足识别要求的学生网络模型对新输入的图片进行分析，可以快速准确的确定出图片中包含的目标类别。

技术领域

本申请涉及计算机视觉技术领域，特别是涉及一种目标检测方法、装置、设备和计算机可读存储介质。

背景技术

基于人工智能的目标检测技术作为计算机视觉中的基础应用，在现代工业生产中扮演着十分重要的角色，尤其在安防、自动驾驶、物联网等领域中更是不可或缺。

因此，人们对目标检测技术的要求也越来越高，在高精度的同时还应具有更快的检测速度。但检测精度和检测速度往往是互斥的指标，高的检测精度要求大的检测模型，但大的模型则意味着检测速度的下降。传统的目标检测方式往往根据实际需求的侧重点，保证目标检测的高精度或者高检测速度，无法实现检测精度和检测速度的均衡。

可见，如何在保证目标检测高精度的同时提升检测速度，是本领域技术人员需要解决的问题。

发明内容

本申请实施例的目的是提供一种目标检测方法、装置、设备和计算机可读存储介质，可以在保证目标检测高精度的同时提升检测速度。

为解决上述技术问题，本申请实施例提供一种目标检测方法，包括：

利用教师网络模型和学生网络模型对样本图片并行进行特征提取，得到所述教师网络模型对应的第一类别特征和所述学生网络模型对应的第二类别特征；

将所述第一类别特征和所述第二类别特征转换为同维度特征信息；

基于所述同维度特征信息以及所述样本图片对应的类别标签，对所述学生网络模型的参数进行迭代调整，以得到满足识别要求的学生网络模型；

利用所述满足识别要求的学生网络模型对新输入的图片进行分析，以确定出所述图片中包含的目标类别。

可选地，针对于所述教师网络模型和所述学生网络模型的构建过程，所述方法包括：

基于yolo网络架构，构建用于目标类型识别的教师网络模型；

对所述教师网络模型进行裁剪，得到学生网络模型；其中，所述教师网络模型和所述学生网络模型均包括用于提取图片特征的第一模块、用于特征挖掘的第二模块和用于分离出分类特征的第三模块。

可选地，所述利用教师网络模型对样本图片并行进行特征提取，得到所述教师网络模型对应的第一类别特征包括：

利用所述教师网络模型的第一模块对所述样本图片进行特征提取，得到第一初始特征信息；

将所述第一初始特征信息输入所述教师网络模型的第二模块进行卷积处理，得到第一深度特征信息；

利用所述教师网络模型的第三模块从所述第一深度特征信息中提取出与分类类别匹配的第一目标特征信息；其中，所述第一初始特征信息、所述第一深度特征信息和所述第一目标特征信息构成所述第一类别特征。

可选地，所述利用学生网络模型对样本图片并行进行特征提取，得到所述学生网络模型对应的第二类别特征包括：

利用所述学生网络模型的第一模块对所述样本图片进行特征提取，得到第二初始特征信息；