[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

说明书

本发明公开一种基于教师学生网络的智能货柜小目标检测方法、系统，其中方法包括：步骤S1，采集包含目标商品的场景图像；步骤S2，对场景图像进行图像切割得到多张切割图像；步骤S3，以场景图像和各切割图像为训练样本，训练形成教师模型并存储；步骤S4，将待检测场景图像作为教师模型的输入，输出对场景图像的目标商品检测结果；步骤S5，对目标商品在场景图像上的位置进行标记，得到目标商品在场景图像上的标签信息；步骤S6，将教师模型迁移到学生网络，以教师模型的输出和目标商品对应的标签信息作为学生网络的双输入，训练形成学生模型；步骤S7，通过学生模型对待检测场景图像进行目标商品检测，本发明提高了对小目标的检测精度。

技术领域

本发明涉及目标识别检测技术领域，具体涉及一种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。

背景技术

对于开放式货柜系统中，采用鱼眼摄像头对放置在货柜中的商品进行采图，检测识别得到商品类别信息和商品位置信息。由于鱼眼摄像头本身存在的畸变，摄像头拍摄的图像边缘部分目标区域会变得较小。因此，对于开放式货柜系统场景，现有技术通常难以有效检测小目标，对于小目标的误检率较高，检测精度较低。

发明内容

本发明的目的在于提供一种基于教师学生网络的智能货柜小目标检测方法，适用于常用的目标识别检测算法，能够有效提升针对小目标的检测性能。

为达此目的，本发明采用以下技术方案：

提供一种基于教师学生网络的智能货柜小目标检测方法，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。

作为本发明的一种优选方案，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。

作为本发明的一种优选方案，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。

作为本发明的一种优选方案，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。

作为本发明的一种优选方案，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。

作为本发明的一种优选方案，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。

本发明还提供了一种基于教师学生网络的智能货柜小目标检测系统，可实现所述智能货柜小目标检测方法，该系统包括：

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；