[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

说明书

本公开提供一种目标检测模型的训练方法、目标检测方法、装置及设备，其中该训练方法包括：获取携带有标注信息的图像样本；将图像样本输入至骨干网络，得到初步特征；将初步特征输入至学生预测网络，得到第一检测结果；以及，将初步特征输入至预设的教师预测网络，得到第二检测结果；基于第一检测结果、第二检测结果和标注信息对骨干网络、学生预测网络和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，教师预测网络用于在训练过程中为学生预测网络提供指定信息，指定信息是教师预测网络生成的与第二检测结果相关的信息；基于停止训练后的骨干网络及学生预测网络得到训练好的目标检测模型。本公开能够有效提升模型训练效率。

技术领域

本公开涉及人工智能技术领域，尤其涉及目标检测模型的训练方法、目标检测方法、装置及设备。

背景技术

目标检测(Object Detection)是计算机视觉中一项非常重要的研究课题。目标检测的主要目的在于定位与识别出图像中的感兴趣目标。现有主流的目标检测模型的规模相对较大（也即，重量级模型），通常需要借助诸如服务器等数据处理能力较强的云端设备运行，而在很多实际应用场景中需要诸如移动端设备（如手机）等数据处理能力较弱的设备执行目标检测任务，此类设备对其上运行的模型规模有较为严格的限制，因此需要规模相对较小的目标检测模型，也即，需要轻量级模型执行目标检测任务。

基于此，现有技术大多是预先训练一个规模较大的模型（教师模型），之后再采用训练好的教师模型对轻量级模型（学生模型）进行知识蒸馏(Knowledge Distillation)，以得到训练好的学生模型，以便于后续将轻量级的学生模型应用于数据处理能力较弱的设备。然而，这种方式属于两阶段训练方式，较为耗时费力，模型训练效率低下。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种目标检测模型的训练方法、目标检测方法、装置及设备。

根据本公开的一方面，提供了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。

根据本公开的另一方面，提供了一种目标检测方法，包括：获取待检测图像；通过预先训练好的目标检测模型对所述待检测图像进行处理，得到所述待检测图像中所包含的目标对象的检测结果；其中，所述目标检测模型是采用上述目标检测模型的训练方法训练得到的。

根据本公开的另一方面，提供了一种目标检测模型的训练装置，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；所述装置包括：样本获取模块，用于获取携带有标注信息的图像样本；初步特征获取模块，用于将所述图像样本输入至所述骨干网络，得到初步特征；检测结果获取模块，用于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；训练模块，用于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；模型获得模块，用于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。