[发明专利]一种信息处理方法、装置及计算机可读存储介质

说明书

本申请实施例公开了一种信息处理方法、装置及计算机可读存储介质，通过将目标训练样本分别输入第一目标检测模型和第二目标检测模型，得到第一目标特征图信息和第二目标特征图信息；分别对第一目标特征图信息和第二目标特征图信息进行图卷积计算，获取目标物体之间的第一关系特征向量和第二关系特征向量；构建第一关系特征向量和第二关系特征向量对应的蒸馏损失函数；将蒸馏损失函数加入至第二目标检测模型的损失函数进行联合训练，得到联合训练后的第二目标检测模型；基于联合训练后的第二目标检测模型对待识别图像进行物体识别。以此，将第一目标检测模型对于目标物体标识框之间关系的学习能力迁移到第二目标检测模型中，提升信息处理效率。

技术领域

本申请涉及通信技术领域，具体涉及一种信息处理方法、装置及计算机可读存储介质。

背景技术

随着计算机视觉的发展，目标检测技术（Object Detection）的应用在现实场景中愈加广泛。诸如，无人驾驶、智慧交通、智慧城市等场景，目标检测技术的核心为通过目标检测模型快速检测出视频或者图像中包含的目标物体。

现有技术中，可以选择网络结构复杂的目标检测模型进行目标物体检测，优点为目标物体检测结果更为精确，还可以选择网络结构简单的目标检测模型进行目标物体检测，优点为目标物体检测速度更快。

在对现有技术的研究和实践过程中，本申请的发明人发现，现有技术中，网络结构复杂的目标检测模型虽然检测结果精确，但是检测速度较慢，占用计算资源，而网络结构简单的目标检测模型虽然检测速度较快，但是检测准确率较差。

发明内容

本申请实施例提供一种信息处理方法、装置及计算机可读存储介质，可以在保证目标检测速度的前提下，提升目标检测的准确率，进而提升信息处理效率。

为解决上述技术问题，本申请实施例提供以下技术方案：

一种信息处理方法，包括：

将目标训练样本分别输入第一目标检测模型和第二目标检测模型，得到第一目标特征图信息和第二目标特征图信息；

分别对所述第一目标特征图信息和第二目标特征图信息进行图卷积计算，获取目标物体之间的第一关系特征向量和第二关系特征向量；

构建所述第一关系特征向量和第二关系特征向量对应的蒸馏损失函数；

将所述蒸馏损失函数加入至所述第二目标检测模型的损失函数进行联合训练，得到联合训练后的第二目标检测模型；

基于联合训练后的第二目标检测模型对待识别图像进行物体识别。

一种信息处理装置，包括：

输入单元，用于将目标训练样本分别输入第一目标检测模型和第二目标检测模型，得到第一目标特征图信息和第二目标特征图信息；

图卷积单元，用于分别对所述第一目标特征图信息和第二目标特征图信息进行图卷积计算，获取目标物体之间的第一关系特征向量和第二关系特征向量；

构建单元，用于构建所述第一关系特征向量和第二关系特征向量对应的蒸馏损失函数；

训练单元，用于将所述蒸馏损失函数加入至所述第二目标检测模型的损失函数进行联合训练，得到联合训练后的第二目标检测模型；

识别单元，用于基于联合训练后的第二目标检测模型对待识别图像进行物体识别。

在一些实施方式中，该获取子单元，还用于：

计算所述第一目标特征图信息中第一目标物体标识框特征之间的广义交并比，生成第一距离矩阵信息；

计算所述第二目标特征图信息中第二目标物体标识框特征之间的广义交并比，生成第二距离矩阵信息。