[发明专利]一种基于神经网络的目标检测方法、装置、机器可读介质及设备

说明书

本发明提出一种基于神经网络的目标检测方法，包括：构建教师网络；通过样本图像集训练所述教师网络；构建学生网络，其中所述学生网络的参数量小于所述教师网络的参数量；在采用知识蒸馏提取所述教师网络训练获得的知识并迁移到所述学生网络的过程中，通过样本图像集对所述学生网络进行训练；通过训练后的学生网络，对输入的图像进行目标检测。本发明通过深度神经网络自动提取目标所需特征，避免了人工设计提取低层次抽象特征的问题。通过知识蒸馏，使得小网络在检测精度接近于大网络的同时保证了较高的检测速度，从而满足了目标检测中对于准确性和实时性的双重要求。

技术领域

本发明涉及图像处理领域，具体涉及一种基于神经网络的目标检测方法、装置、机器可读介质及设备。

背景技术

头肩检测技术存在很多应用场景比如人群计数、密度估计、客流统计，但是在实际应用场景中客户不仅对于头肩检测精度有着比较高的要求，同时对于头肩检测的实时性也有着非常高的要求。

传统的头肩检测方法通常是采用Hog特征提取以及SVM分类器或者采用haar特征提取加adaboost级联技术，但是这些传统方法通常需要人工设计来提取特征，容易受到光照、遮挡等因素的干扰和影响，造成头肩检测性能的下降，很难满足目前实际应用场景对于头肩检测性能的要求。

另一方面，虽然目前存在一些利用深度神经网络进行头肩检测的方法和技术，但是目前的头肩检测技术及方法很难在精度和实时性两者中达到平衡：既取得较高的精度又有很好的准确性。目前的头肩检测如果采用较大较深的深度神经网络可能会在检测精度表现较优，但是实时性很难保证。如果采用较小的深度神经网络可能会在实时性方面表现较优，但在检测精度上又很难保证。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于神经网络的目标检测方法方法、装置、机器可读介质及设备，用于解决现有技术存在的问题。

为实现上述目的及其他相关目的，本发明提供一种基于神经网络的目标检测方法，包括：

构建教师网络；

通过样本图像集训练所述教师网络；

构建学生网络，其中所述学生网络的参数量小于所述教师网络的参数量；

在采用知识蒸馏提取所述教师网络训练获得的知识并迁移到所述学生网络的过程中，通过样本图像集对所述学生网络进行训练；

通过训练后的学生网络，对输入的图像进行目标检测。

可选地，在知识蒸馏过程中，对教师网络输出的特征图进行知识蒸馏，并将蒸馏出的知识迁移到所述学生网络中。

可选地，所述教师网络包括依次连接的卷积单元、批量归一化单元、函数激活单元和池化单元；所述卷积单元包括依次连接的多个卷积子单元，每个卷积子单元输出一特征图；每个卷积子单元包括多个铺叠设置的卷积层。

可选地，所述对教师网络输出的特征图进行知识蒸馏包括：确定目标蒸馏区域，对所述目标蒸馏区域的特征图进行知识蒸馏，其中目标蒸馏区域的确定方法包括：

将样本图像中标注的目标框以不同的尺度分别映射到对应的卷积子单元输出的特征图上；

构建与特征图大小相同的矩阵；

判断所述特征图中是否存在目标框；

若所述特征图中存在目标框，则将所构建的矩阵的对应区域的值置为1，否则置为0，从而形成0-1蒸馏mask；蒸馏mask中值为1对应的特征区域即为目标蒸馏区域。

可选地，根据损失函数判断所述学生网络的收敛结果，所述损失函数为：

loss＝loss_A+λ·loss_B