[发明专利]目标检测模型的训练及身份验证方法和装置

说明书

本公开实施例提供一种目标检测模型的训练及身份验证方法和装置，采用教师模型为各个锚框输出的第二分值与学生模型为各个锚框输出的第一分值之间的差异作为软标签来训练学生模型，从而使得学生模型能够学习教师模型给各个锚框打分的方式，进而提高了学生模型的目标检测准确度。

技术领域

本公开涉及计算机视觉技术领域，尤其涉及目标检测模型的训练及身份验证方法和装置。

背景技术

知识蒸馏(Knowledge Distillation，KD)是指将已经训练好的教师模型获取的信息作为软标签(soft label)，用以对学生模型进行训练。在目标检测应用场景下，软标签一般是指样本图像中目标对象属于各类别的概率。然而，基于上述软标签训练出的学生模型的目标检测准确度较低。

发明内容

第一方面，本公开实施例提供一种目标检测模型的训练方法，所述方法包括：将样本图像集分别输入第一目标检测模型和训练好的第二目标检测模型，所述第一目标检测模型为学生模型，所述第二目标检测模型为教师模型，所述样本图像集中的每张样本图像均包括一种类别的样本对象；针对预先确定的多个锚框，获取所述第一目标检测模型为每张样本图像确定的所述多个锚框中每个锚框的第一分值，并获取所述第二目标检测模型为每张样本图像确定的所述每个锚框的第二分值，一个锚框的分值用于表征将所述锚框内的对象划分为所述样本对象的真实类别的置信度；基于各个锚框的第一分值与第二分值之间的差异，对所述第一目标检测模型进行训练。

在一些实施例中，所述获取所述第一目标检测模型为每张样本图像确定的所述多个锚框中每个锚框的第一分值，并获取所述第二目标检测模型为每张样本图像确定的所述每个锚框的第二分值，包括：针对每张样本图像，从所述多个锚框中过滤掉所述样本图像的背景区域对应的锚框，所述背景区域为所述样本图像中除所述样本对象以外的区域；获取所述第一目标检测模型为所述样本图像确定的过滤后的所述多个锚框中每个锚框的第一分值，并获取所述第二目标检测模型为每张样本图像确定的过滤后的所述每个锚框的第二分值。

在一些实施例中，所述基于各个锚框的第一分值与第二分值之间的差异，对所述第一目标检测模型进行训练，包括：获取各个第一分值的第一概率分布和各个第二分值的第二概率分布；基于所述第一概率分布和所述第二概率分布之间的差异建立损失函数；基于所述损失函数对所述第一目标检测模型进行训练。

在一些实施例中，所述获取各个第一分值的第一概率分布和各个第二分值的第二概率分布，包括：对每个目标分值进行指数运算，得到指数分值；对各个指数分值进行求和，得到总分值；基于每个目标分值与所述总分值的商确定所述目标分值的目标概率分布；其中，所述目标分值为所述第一分值，所述目标概率分布为所述第一概率分布；或者所述目标分值为所述第二分值，所述目标概率分布为所述第二概率分布。

在一些实施例中，所述样本图像集包括多个子集，每个子集中的样本图像包括一种类别的样本对象；所述基于各个锚框的第一分值与第二分值之间的差异，对所述第一目标检测模型进行训练，包括：基于为一个子集内的每张样本图像确定的各个锚框的第一分值与第二分值的差异，确定所述子集对应的总差异；基于各个子集对应的总差异，确定所述样本图像集对应的总差异；基于所述样本图像集对应的总差异对所述第一目标检测模型进行训练。

在一些实施例中，所述样本图像集中包括以下至少一种样本图像：亮度值在预设亮度范围之外的第一样本图像；包括尺寸在预设尺寸范围之外的目标对象的第二样本图像；包括被遮挡的目标对象的第三样本图像；包括的目标对象与背景区域的像素值之间的差异小于预设像素差异的第四样本图像。

第二方面，本公开实施例提供一种身份验证方法，所述方法包括：获取目标对象的人脸图像；通过预先训练的人脸检测模型对所述人脸图像进行人脸检测，得到人脸检测结果；所述人脸检测模型基于本公开任一实施例所述的目标检测模型的训练方法训练得到；基于所述人脸检测结果从所述人脸图像中分割出人脸区域图像；对所述人脸区域图像进行人脸识别，得到人脸识别结果；基于所述人脸识别结果对所述目标对象进行身份验证。