[发明专利]一种计算机视觉能力迁移方法、装置、设备及存储介质

权利要求书

1.一种计算机视觉能力迁移方法，其特征在于，包括：

分别利用RGB图片集对RGB相机模型和事件图片集对事件相机模型进行同步训练，以得到各自对应的特征值；其中，所述RGB图片集为利用RGB相机采集得到的图片集；所述事件图片集为利用事件相机采集得到的图片集；

对所述特征值进行矩阵运算，以得到与所述RGB相机模型对应的第一传递参数和与所述事件相机模型对应的第二传递参数；

基于所述第一传递参数与所述第二传递参数，利用预设损失值确定公式确定出总损失值，以通过知识蒸馏进行反向传播获得目标事件相机模型。

2.根据权利要求1所述的计算机视觉能力迁移方法，其特征在于，所述分别利用RGB图片集对RGB相机模型和事件图片集对事件相机模型进行同步训练，以得到各自对应的特征值，包括：

获取RGB图片集和事件图片集，并按照预设比例分别对所述RGB图片集和所述事件图片集进行分配，以得到相应数量的训练数据和测试数据；

将与所述RGB图片集对应的训练数据输入到所述RGB相机模型，以得到第一特征值；

将与所述事件图片集对应的训练数据输入到所述事件相机模型，以得到第二特征值。

3.根据权利要求2所述的计算机视觉能力迁移方法，其特征在于，所述基于所述第一传递参数与所述第二传递参数，利用预设损失值确定公式确定出总损失值，以通过知识蒸馏进行反向传播获得目标事件相机模型之后，还包括：

将与所述RGB图片集对应的测试数据输入到所述RGB相机模型，以得到第一测试结果；

将与所述事件图片集对应的测试数据输入到所述目标事件相机模型，以得到第二测试结果；

将所述第一测试结果与所述第二测试结果进行对比，以评估所述目标事件相机模型。

4.根据权利要求2所述的计算机视觉能力迁移方法，其特征在于，所述对所述特征值进行矩阵运算，以得到与所述RGB相机模型对应的第一传递参数和与所述事件相机模型对应的第二传递参数，包括：

对所述第一特征值进行矩阵运算，以得到与所述RGB相机模型对应的第一Logits和第一描述子；

对所述第二特征值进行矩阵运算，以得到与所述事件相机模型对应的第二Logits和第二描述子。

5.根据权利要求4所述的计算机视觉能力迁移方法，其特征在于，所述基于所述第一传递参数与所述第二传递参数，利用预设损失值确定公式确定出总损失值，包括：

基于所述第一Logits和所述第二Logits，利用L2损失值函数确定出目标Logits损失值；

基于所述第一描述子和所述第二描述子，利用所述L2损失值函数确定出目标描述子损失值；

基于所述目标Logits损失值与所述目标描述子损失值，利用预设损失值确定公式确定出总损失值。

6.根据权利要求5所述的计算机视觉能力迁移方法，其特征在于，所述基于所述目标Logits损失值与所述目标描述子损失值，利用预设损失值确定公式确定出总损失值，包括：

将预设权重值和所述目标描述子损失值的乘积与所述目标Logits损失值进行求和，以确定出总损失值。

7.根据权利要求1至6任一项所述的计算机视觉能力迁移方法，其特征在于，所述基于所述第一传递参数与所述第二传递参数，利用预设损失值确定公式确定出总损失值，以通过知识蒸馏进行反向传播获得目标事件相机模型之后，还包括：

利用梯度下降学习算法对进行反向传播获得的所述目标事件相机模型进行更新。