[发明专利]图像识别模型训练方法及系统和图像识别方法

说明书

本发明实施例提供一种图像识别方法，包括：创建基于RGB数据格式的图像识别的训练集和验证集；利用训练集和验证集训练RGB图像识别模型；搭建待训练YUV图像识别模型，所述待训练YUV图像识别模型包括输入层，预测层和输出层，所述输入层包括亮度输入分支和色度输入分支；利用训练好的所述RGB图像识别模型使用蒸馏方法训练所述待训练YUV图像识别模型的亮度输入分支、色度输入分支和预测层，得到YUV图像识别模型，所述YUV图像识别模型用于识别YUV数据格式的图像。本发明通过RGB图像识别模型蒸馏训练YUV图像识别模型的输入层和预测层，提高了YUV图像识别模型的训练效率，降低了YUV图像识别模型的训练成本。

技术领域

本发明实施例涉及计算机技术领域，尤其涉及图像识别模型训练方法及系统和图像识别方法。

背景技术

在图像识别领域，实际生产设备中图像使用的颜色空间根据其设备优势各有不同，比如视频传输设备为了节省带宽使用的YUV格式，对应的图像识别模型为YUV图像识别模型，或者带有红外探头的RGB+IR格式，对应的图像识别模型为RGB图像识别模型，RGB图像识别模型无法对YUV格式的图像进行识别，需要重新搭建一个YUV图像识别模型，再用YUV数据格式的训练数据对YUV图像识别模型进行训练，为提升YUV图像识别模型的准确度，需要对大量的训练数据进行人工标注，成本较高。

为了降低深度学习模型应用的门槛，利用知识蒸馏的方法将高计算能力、高精度的模型包含的先验知识用于教授小模型的深度学习网络，可以实现对网络模型的压缩提速。然而，传统的知识蒸馏方法只是为了缩小网络规模和计算需求，但是仍然局限在同样形式的训练数据上，例如RGB图像识别模型只能蒸馏得到结构更小的RGB图像识别模型，得不到YUV模型，给模型蒸馏带来了应用上的限制。

发明内容

有鉴于此，本发明实施例提供了一种图像识别模型训练方法、系统、计算机设备及计算机可读存储介质和图像识别方法，用于解决构建新的图像识别模型步骤繁琐且成本高的问题。

本发明实施例是通过下述技术方案来解决上述技术问题：

一种图像识别模型训练方法，包括：

创建基于RGB数据格式的图像识别的训练集和验证集；

利用所述训练集和所述验证集训练RGB图像识别模型，所述RGB图像识别模型用于训练YUV图像识别模型；

搭建待训练YUV图像识别模型，所述待训练YUV图像识别模型包括输入层，预测层和输出层，所述输入层包括亮度输入分支和色度输入分支；

利用训练好的所述RGB图像识别模型使用蒸馏方法训练所述待训练YUV图像识别模型的亮度输入分支、色度输入分支和预测层，得到YUV图像识别模型，所述YUV图像识别模型用于识别YUV数据格式的图像。

进一步地，所述利用训练好的RGB图像识别模型使用蒸馏方法训练所述待训练YUV图像识别模型的亮度输入分支、色度输入分支和预测层，得到YUV图像识别模型，所述YUV图像识别模型用于识别YUV数据格式的图像包括：

根据训练好的RGB图像识别模型，获取所述待训练YUV图像识别模型的整体目标损失函数；

通过所述整体目标损失函数对所述待训练YUV图像识别模型的输入层和预测层进行训练，得到所述YUV图像识别模型。

进一步地，所述根据训练好的RGB图像识别模型，获取所述待训练YUV图像识别模型的整体目标损失函数包括：

获取所述RGB图像识别模型的软目标；

根据所述RGB图像识别模型的软目标，获取所述待训练YUV图像识别模型的整体目标损失函数。

进一步地，所述通过所述整体目标损失函数对所述待训练YUV图像识别模型的输入层和预测层进行训练，得到所述YUV图像识别模型包括：