[发明专利]基于预训练网络的目标检测方法以及相关设备

权利要求书

1.一种基于预训练网络的目标检测方法，其特征在于，所述方法包括：

获取训练好的第一目标检测模型，所述第一目标检测模型包括多个预训练网络层；

对所述第一目标检测模型的每个所述预训练网络层进行量化处理，使得所述第一目标检测模型中每个所述预训练网络层的模型参数从初始精度降低至目标精度，将量化处理后的所述第一目标检测模型作为第二目标检测模型；

获取待检测图像；

将所述待检测图像输入至所述第二目标检测模型，以通过所述第二目标检测模型得到所述待检测图像的预测结果，所述预测结果用于指示所述待检测图像是否包括预设的检测目标。

2.根据权利要求1所述的方法，其特征在于，所述对所述第一目标检测模型的每个所述预训练网络层进行量化处理，包括：

获取图像数据样本，并对每个所述预训练网络层执行以下处理：

将所述图像数据样本输入至所述第一目标检测模型，得到所述第一目标检测模型中最后一个预训练网络层的输出精度；

若所述输出精度大于预设阈值，将当前所述预训练网络的模型参数从初始精度降低至目标精度，并将所述目标精度作为当前所述预训练网络的模型参数在下一轮处理中的初始精度，循环直至所述输出精度小于预设阈值。

3.根据权利要求1所述的方法，其特征在于，所述第一目标检测模型还包括与每个所述预训练网络层对应的分类器，所述分类器用于根据所述预训练网络层输出的特征信息预测概率分布；

其中，所述分类器分为最后一个所述预训练网络层对应的第一分类器以及除第一分类器之外的第二分类器，所述第二分类器由所述第一分类器进行蒸馏得到；

所述对所述第一目标检测模型的每个所述预训练网络层进行量化处理表示包括：

获取图像数据样本，并对每个所述预训练网络层执行以下处理：

将所述图像数据样本输入至所述第一目标检测模型，得到所述第一分类器输出的第一概率分布以及所述第二分类器输出的第二概率分布；

确定第一概率分布以及所述第二概率分布之间的分布差异；

若所述分布差异小于预设阈值，将当前所述预训练网络层的模型参数从初始精度降低至目标精度，并将所述目标精度作为当前所述预训练网络的模型参数在下一轮处理中的初始精度，循环直至所述分布差异大于预设阈值。

4.根据权利要求3所述的方法，其特征在于，所述第一目标检测模型的训练步骤包括：

获取图像样本训练集；

在固定所述第二分类器的权重参数的情况下，将所述图像样本训练集输入至所述第一目标检测模型，以更新所述预训练网络层以及所述第一分类器的权重参数；

在固定所述预训练网络层以及所述第一分类器的权重参数的情况下，将训练好的所述第一分类器作为教师模型对所述第二分类器进行蒸馏处理，以更新所述第二分类器的权重参数。

5.根据权利要求3所述的方法，其特征在于，在所述第二目标检测模型对所述待检测图像进行预测的过程中：

依次通过所述第二分类器获取所述待检测图像对应的信息熵；

若当前所述第二分类器获取的所述信息熵小于预设阈值，则退出当前所述预训练网络层；或者，

若当前所述第二分类器获取的所述信息熵大于预设阈值，则继续通过所述预训练网络层进行特征提取。

6.根据权利要求5所述的方法，其特征在于，所述信息熵通过以下公式确定：

其中，所述H(x)为待检测图像x对应的信息熵，所述n为分类类别的数量，所述P_i(x)为待检测图像x对应的概率分布。