[发明专利]基于预训练网络的目标检测方法以及相关设备

说明书

本申请涉及人工智能领域以及数字医疗领域，提供了一种基于预训练网络的目标检测方法以及相关设备，该方法包括：获取训练好的第一目标检测模型，第一目标检测模型包括多个预训练网络层，之后对第一目标检测模型的每个预训练网络层进行量化处理，使得第一目标检测模型中每个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，将待检测图像输入至所述第二目标检测模型，以通过第二目标检测模型得到待检测图像的预测结果。本申请实施例能够在保证目标检测精度的情况下，提高模型推理速度并减少硬件资源占用。

技术领域

本申请涉及人工智能领域以及数字医疗领域，尤其涉及一种基于预训练网络的目标检测方法以及相关设备。

背景技术

目标检测是计算机视觉领域中一个应用广泛的重要分支。目标检测可以简单地看成是图像分类和回归定位的结合，框出输入图像中感兴趣的物体，并给出框内物体的分类结果。

与其他计算机视觉技术不同的是，在现实生活中目标检测经常应用于硬件性能较低的中低端设备，并且要求较高的实时性。例如，医学影像处理作为医疗辅助诊断中不可缺少的一环，精准、高效且迅速的医学影像处理和分析对疾病的诊断和治疗至关重要，为了提高医生工作效率，业界开始尝试在离数据源较近的终端设备部署预训练的目标检测模型，以满足医疗辅助诊断对实时性的高要求，但又面临大型预训练模型由于终端设备较低的硬件性能导致推理速度慢等问题。

因此，对于目标检测方法，如何在保证准确率的情况下，提高模型推理速度并减少硬件资源占用成为亟待解决的技术问题。

发明内容

本申请实施例的主要目的在于提出一种基于预训练网络的目标检测方法、装置、电子设备及计算机可读存储介质，能够在保证准确率的情况下，提高模型推理速度并减少硬件资源占用。

为实现上述目的，本申请实施例的第一方面提出了一种基于预训练网络的目标检测方法，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。

根据本发明一些实施例提供的基于预训练网络的目标检测方法，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。

根据本发明一些实施例提供的基于预训练网络的目标检测方法，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包括：