[发明专利]一种检测模型的训练方法、装置、设备及存储介质

权利要求书

1.一种检测模型的训练方法，所述训练方法应用于终端，服务器部署有精确检测模型，所述终端部署有简化检测模型，所述精确检测模型的模型参数和/或网络层多于所述简化检测模型；所述方法包括：

获取基于所述精确检测模型的检测层得到的第一检测层；

确定所述终端采集的人脸图像，将所述人脸图像输入所述简化检测模型的特征提取层，得到所述特征提取层输出的图像特征；

将所述图像特征分别输入所述第一检测层和所述简化检测模型的检测层，得到所述第一检测层输出的第一检测结果和所述简化检测模型的检测层输出的第二检测结果；

当所述第一检测结果和所述第二检测结果之间的差异大于预设的第一阈值，则将所述人脸图像作为目标样本发送至所述服务器，使所述服务器根据所述精确检测模型确定所述目标样本的目标检测结果；

接收所述服务器返回的所述目标检测结果，将所述目标检测结果作为所述目标样本的标注，根据所述目标样本训练所述简化检测模型，以根据训练后的简化检测模型对待检测的人脸图像进行异常检测。

2.如权利要求1所述的方法，根据所述目标样本训练所述简化检测模型，具体包括：

针对每个目标样本，将该目标样本输入所述简化检测模型，得到所述简化检测模型输出的该目标样本的第二检测结果；

确定所述第二检测结果和该目标样本的标注之间的差距，作为第一差距；

根据所述第一差距，确定该目标样本的权重，所述权重和所述第一差距正相关；

根据各目标样本分别对应的第一差距以及所述各目标样本分别对应的权重，确定损失，以所述损失最小为优化目标调整所述简化检测模型的模型参数。

3.如权利要求2所述的方法，根据所述第一差距，确定该目标样本的权重，具体包括：

根据所述第一差距和预设的各差距区间，确定所述第一差距落入的差距区间，作为目标区间，其中，所述各差距区间根据预设的第一差距的取值范围和预设的区间数量确定；

根据预设的差距区间和权重之间的对应关系，将与所述目标区间对应的权重，作为该目标样本的权重。

4.如权利要求2所述的方法，所述简化检测模型的检测层包含多个网络层；

以所述损失最小为优化目标调整所述简化检测模型的模型参数，具体包括：

根据各目标样本分别对应的第一差距和预设的第二阈值，确定所述第一差距大于所述第二阈值的目标样本在所述各目标样本中的占比；

根据所述占比，从所述简化检测模型的检测层包含的各网络层中确定至少一个网络层，作为指定网络层，所述指定网络层的网络层数量和所述占比正相关；

以所述损失最小为优化目标调整所述指定网络层的模型参数。

5.如权利要求1所述的方法，获取基于所述精确检测模型的检测层得到的第一检测层，具体包括：

向所述服务器发送获取请求；

接收所述服务器根据所述获取请求返回的第一检测层，所述第一检测层为所述服务器对精确检测模型的检测层进行模型蒸馏确定的，所述精确检测模型包含特征提取层和检测层。

6.如权利要求1所述的方法，采用下述方式训练得到所述精确检测模型，其中：

获取若干第一参考模型，各第一参考模型的模型结构不完全相同；

获取带标注的人脸图像，作为训练样本，并将所述训练样本分别输入所述各第一参考模型中，得到所述各第一参考模型分别输出的第三检测结果；

针对每个第一参考模型，根据该第一参考模型输出的所述训练样本的第三检测结果，以及其他第一参考模型输出的所述训练样本的第三检测结果，确定该第一参考模型对应的目标检测结果；

根据该第一参考模型输出的第三检测结果和该第一参考模型对应的目标检测结果之间的差距、该第一参考模型输出的第三检测结果和其他第一参考模型对应的目标检测结果之间的差距，以及该第一参考模型对应的目标检测结果和所述训练样本的标注之间的差距，确定该第一参考模型对应的损失；

根据所述各第一参考模型分别对应的损失，确定总损失，并以所述总损失最小为优化目标，对所述各第一参考模型的模型参数分别进行调整，以及从训练完成的所述各第一参考模型中，确定精确检测模型。