[发明专利]基于教师学生网络的智能货柜小目标检测方法及检测系统

权利要求书

1.一种基于教师学生网络的智能货柜小目标检测方法，其特征在于，具体包括如下步骤：

步骤S1，采集包含目标商品的场景图像；

步骤S2，对所述场景图像进行图像切割得到多张切割图像；

步骤S3，以所述场景图像和对应所述场景图像的各所述切割图像为训练样本，训练形成一教师模型并存储；

步骤S4，将待检测的所述场景图像作为所述教师模型的输入，输出对所述场景图像的目标商品检测结果；

步骤S5，根据所述步骤S4检测得到的所述目标商品检测结果，对所述目标商品在所述场景图像上的位置进行标记，得到所述目标商品在所述场景图像上的标签信息；

步骤S6，将所述教师模型迁移到学生网络，并以所述教师模型输出的所述目标商品检测结果和所述步骤S6作出的所述标签信息作为所述学生网络的双输入，训练形成一学生模型；

步骤S7，通过所述学生模型对待检测的所述场景图像进行目标商品检测，最终得到一目标商品预测结果。

2.根据权利要求1所述的智能货柜小目标检测方法，其特征在于，所述步骤S3中，训练所述教师模型的神经网络的网络结构为YOLO或SSD。

3.根据权利要求1所述的智能货柜小目标检测方法，其特征在于，所述步骤S3中，各所述切割图像经图像尺度变换后，各所述切割图像的尺寸与原始输入的所述场景图像的尺寸一致。

4.如权利要求3所述的智能货柜小目标检测方法，其特征在于，对所述切割图像进行图像尺度变换的方法包括对所述切割图像的上采样。

5.根据权利要求1所述的智能货柜小目标检测方法，其特征在于，所述标签信息包括所述目标商品对应的商品类别信息和/或所述目标商品在所述场景图像上的所处位置信息。

6.根据权利要求1所述的智能货柜小目标检测方法，其特征在于，所述步骤S6中，训练所述学生模型的神经网络的网络结构为YOLO或SSD。

7.一种基于教师学生网络的智能货柜小目标检测系统，可实现如权利要求1-6任意一项的所述智能货柜小目标检测方法，其特征在于，包括：

图像采集模块，用于采集包含目标商品的所述场景图像；

图像切割模块，连接所述图像采集模块，用于对所述场景图像进行图像切割，得到多张关联于所述场景图像的所述切割图像；

教师模型训练模块，分别连接所述图像采集模块和所述图像切割模块，用于以所述场景图像和对应所述场景图像的各所述切割图像为训练样本，训练得到所述教师模型并存储；

目标商品检测模块，连接所述教师模型训练模块，用于将所述场景图像作为所述教师模型的输入，输出对所述场景图像的所述目标商品检测结果；

目标商品标记模块，连接所述目标商品检测模块，用于根据所述目标商品检测结果，对所述目标商品在所述场景图像上的位置进行标记，得到所述目标商品在所述场景图像上的所述标签信息；

学生模型训练模块，分别连接所述教师模型训练模块、所述目标商品检测模块和所述目标商品标记模块，用于以所述教师模型为学习对象，并以所述教师模型输出的所述目标商品检测结果和所述标签信息为训练样本，训练形成所述学生模型；

目标商品预测模块，连接所述学生模型训练模块，用于通过所述学生模型对待检测的所述场景图像进行目标商品识别检测，最终得到对所述场景图像的所述目标商品预测结果。

8.如权利要求7所述的智能货柜小目标检测系统，其特征在于，还包括：

图像处理模块，分别连接所述图像切割模块和所述教师模型训练模块，用于将各所述切割图像的尺寸变换为与原始输入的所述场景图像的尺寸一致。

9.如权利要求7所述的智能货柜小目标检测系统，其特征在于，训练所述教师模型的神经网络的网络结构为YOLO或SSD。

10.如权利要求7所述的智能货柜小目标检测系统，其特征在于，所述标签信息包括所述目标商品对应的商品类别信息和/或所述目标商品在所述场景图像上的所处位置信息。