[发明专利]目标检测方法、装置、设备和存储介质

说明书

本发明公开了一种目标检测方法，包括：通过待训练教师模型和待训练学生模型，分别对样本图像中的待检测目标进行目标检测，得到教师预测框、教师预测分类信息、学生预测框和学生预测分类信息；根据教师预测框、学生预测框、教师预测分类信息、学生预测分类信息、样本图像的标注框和标注分类信息，确定分类损失；根据教师预测框、学生预测框和标注框，分别确定指导损失函数和被指导损失函数，并确定指导目标和被指导目标，提取指导特征和被指导特征；根据指导特征和被指导特征，确定蒸馏损失；根据分类损失和蒸馏损失，确定对待检测图像进行目标检测的目标检测模型；目标检测模型用于对待检测图像进行目标检测。提高了目标检测模型的模型准确度。

技术领域

本发明实施例涉及计算机领域，尤其涉及目标检测方法、装置、设备和存储介质。

背景技术

目前随着深度学习目标检测方法在各个工业领域被广泛应用，目标检测网络也得到迅速发展，目标检测网络的网络结构逐渐复杂，且网络参数逐渐变大，使得目标检测网络对硬件设备的要求不断提高。因此，衍生出知识蒸馏方法，知识蒸馏方法采用复杂的目标检测网络作为教师模型，引导简单的目标检测网络即学生模型进行模型训练。但是在模型训练过程中，教师模型不参与训练过程，且教师模型和学生模型的在训练过程中的引导角色和被引导角色固定不变，导致学生模型检测能力在训练过程中不断提高，而教师模型的模型检测能力在训练过程中不会产生变化。因此，如何在通过知识蒸馏方法进行模型训练时，使学生模型和教师模型的模型检测能力均能够在模型训练过程中得到提升，是需要解决的问题。

发明内容

本发明提供了目标检测方法、装置、设备和存储介质，可以使待训练教师模型和待训练学生模型同时进行模型训练，使得待训练教师模型和待训练学生模型的检测能力在训练过程中均能够不断提高。

根据本发明的一方面，提供了一种目标检测方法，包括：

通过待训练教师模型和待训练学生模型，分别对样本图像中的待检测目标进行目标检测，得到教师预测框、教师预测分类信息、学生预测框和学生预测分类信息；

根据所述教师预测框、所述学生预测框、所述教师预测分类信息、所述学生预测分类信息、所述样本图像的标注框和所述样本图像的标注分类信息，确定分类损失；

根据教师预测框、学生预测框和所述样本图像的标注框，分别确定指导损失函数和被指导损失函数；

根据所述指导损失函数确定指导目标，提取所述指导目标的指导特征，且根据被指导损失函数确定被指导目标，提取所述被指导目标的被指导特征；指导目标和被指导目标为不同的待检测目标；

根据所述指导特征和所述被指导特征，确定蒸馏损失；

根据所述分类损失和所述蒸馏损失，对待训练教师模型和待训练学生模型进行训练，根据训练结果确定目标检测模型；所述目标检测模型用于对待检测图像进行目标检测，以从所述待检测图像的候选检测目标中确定违禁物品对应的违禁物目标，并确定所述违禁物目标的类别信息和位置信息。

根据本发明的另一方面，提供了一种目标检测装置，该装置包括：

目标检测模块，用于通过待训练教师模型和待训练学生模型，分别对样本图像中的待检测目标进行目标检测，得到教师预测框、教师预测分类信息、学生预测框和学生预测分类信息；

分类损失确定模块，用于根据所述教师预测框、所述学生预测框、所述教师预测分类信息、所述学生预测分类信息、所述样本图像的标注框和所述样本图像的标注分类信息，确定分类损失；

损失函数确定模块，用于根据教师预测框、学生预测框和所述样本图像的标注框，分别确定指导损失函数和被指导损失函数；

指导特征确定模块，用于根据所述指导损失函数确定指导目标，提取所述指导目标的指导特征，且根据被指导损失函数确定被指导目标，提取所述被指导目标的被指导特征；指导目标和被指导目标为不同的待检测目标；