[发明专利]目标检测模型的训练方法、目标检测方法、装置及设备

权利要求书

1.一种目标检测模型的训练方法，其中，所述目标检测模型包括依次连接的骨干网络和学生预测网络；所述方法包括：

获取携带有标注信息的图像样本；

将所述图像样本输入至所述骨干网络，得到初步特征；

将所述初步特征输入至所述学生预测网络，得到第一检测结果；以及，将所述初步特征输入至预设的教师预测网络，得到第二检测结果；

基于所述第一检测结果、所述第二检测结果和所述标注信息对所述骨干网络、所述学生预测网络和所述教师预测网络进行训练，直至达到预设条件时停止训练；其中，所述教师预测网络用于在训练过程中为所述学生预测网络提供指定信息，所述指定信息是所述教师预测网络生成的与所述第二检测结果相关的信息；

基于停止训练后的所述骨干网络及所述学生预测网络得到训练好的目标检测模型；

基于所述第一检测结果、所述第二检测结果和所述标注信息对所述骨干网络、所述学生预测网络和所述教师预测网络进行训练，直至达到预设条件时停止训练的步骤，包括：

基于所述第一检测结果、所述第二检测结果和所述标注信息调整所述骨干网络、所述学生预测网络和所述教师预测网络的网络参数；

在达到第一预设条件时停止调整所述教师预测网络的网络参数，以及达到第二预设条件时停止调整所述骨干网络和所述学生预测网络的网络参数；其中，所述教师预测网络的停止调整时间早于所述骨干网络和所述学生预测网络的停止调整时间；

其中，基于所述第一检测结果、所述第二检测结果和所述标注信息调整所述骨干网络、所述学生预测网络和所述教师预测网络的网络参数的步骤，包括：

基于所述第一检测结果、所述第二检测结果、所述标注信息和预设的学生损失函数，得到学生损失函数值；

基于所述第二检测结果、所述标注信息和预设的教师损失函数，得到教师损失函数值；

基于所述学生损失函数值和所述教师损失函数值调整所述骨干网络的网络参数，基于所述学生损失函数值调整所述学生预测网络的网络参数，以及，基于所述教师损失函数值调整所述教师预测网络的网络参数。

2.如权利要求1所述的目标检测模型的训练方法，其中，所述指定信息包括基于所述第二检测结果得到的标签分配信息和/或特征概率分布图。

3.如权利要求1所述的目标检测模型的训练方法，基于所述第一检测结果、所述第二检测结果、所述标注信息和预设的学生损失函数，得到学生损失函数值的步骤，包括：

基于所述第二检测结果和所述标注信息得到所述图像样本的标签分配信息；

基于所述第一检测结果、所述标签分配信息、所述标注信息和所述预设的学生损失函数，得到学生损失函数值。

4.如权利要求3所述的目标检测模型的训练方法，其中，所述第一检测结果包括第一分类分数图和第一回归分数图；所述第二检测结果包括第二分类分数图和第二回归分数图；

基于所述第二检测结果和所述标注信息得到所述图像样本的标签分配信息的步骤，包括：

基于所述第二分类分数图、所述第二回归分数图和所述标注信息得到代价矩阵；

根据所述代价矩阵得到标签分配信息。

5.如权利要求1所述的目标检测模型的训练方法，其中，所述学生损失函数包括第一分类损失函数、第一回归损失函数和蒸馏损失函数；所述教师损失函数包括第二分类损失函数和第二回归损失函数。

6.如权利要求5所述的目标检测模型的训练方法，其中，所述蒸馏损失函数是基于所述教师预测网络生成的第二特征概率分布图和所述学生预测网络生成的第一特征概率分布图之间的差异确定；所述第一特征概率分布图与所述第一检测结果相关；所述第二特征概率分布图与所述第二检测结果相关。

7.如权利要求6所述的目标检测模型的训练方法，其中，所述第一特征概率分布图是所述学生预测网络输出的第一分类分数图进行归一化处理后得到的；所述第二特征概率分布图是所述教师预测网络输出的第二分类分数图进行归一化处理后得到的；所述第一分类分数图属于所述第一检测结果，所述第二分类分数图属于所述第二检测结果。