[发明专利]目标检测方法、装置及电子设备

权利要求书

1.一种目标检测方法，其特征在于，所述方法包括：

获取待检测图像；

将所述待检测图像输入目标检测模型，得到目标检测结果；所述目标检测结果包括目标对应的包围框的位置和分数；其中，所述目标检测模型通过如下方式训练：

将图像样本集中的图像样本输入学生网络模型，得到与所述图像样本的第一特征图的每个像素点对应的学生模型检测结果；其中，所述图像样本标注有目标真值框，所述学生模型检测结果包括与所述第一特征图的每个像素点对应的第一基准位置的分数和所述第一基准位置对应的坐标信息；

获取教师网络模型对所述图像样本的教师模型检测结果；其中，所述教师网络模型为预先训练好的模型，所述教师模型检测结果包括与所述图像样本的第二特征图的每个像素点对应的第二基准位置的分数和所述第二基准位置对应的坐标信息；其中，所述第一特征图和所述第二特征图的基准位置数相同；

根据所述教师模型检测结果确定所述图像样本的标签分配信息；

根据所述标签分配信息和所述学生模型检测结果计算所述学生网络模型的损失函数值；

基于所述损失函数值调整所述学生网络模型的参数继续训练，直至得到训练好的学生网络模型；

将训练好的学生网络模型作为所述目标检测模型。

2.根据权利要求1所述的方法，其特征在于，根据所述教师模型检测结果确定标签分配信息的步骤，包括：

对于每个所述第二基准位置，分别计算该第二基准位置对应的第二预测框与所述图像样本的每个目标真值框的交叠比，得到矩阵IoU：

其中，i取值[1,N]，j取值[1,A]，N为所述标注真值框的个数，A为所述第二特征图包括的第二基准位置的个数；

基于所述第二基准位置与每个所述目标真值框的所述交叠比和所述第二基准位置的分数，确定所述第二基准位置对于每个所述目标真值框对应目标的预测质量；其中，所述预测质量用于表征该第二基准位置检测出的是该目标真值框对应目标的概率大小；

基于每个所述第二基准位置对于每个所述目标真值框对应目标的预测质量确定每个所述第一基准位置的标签分配信息。

3.根据权利要求2所述的方法，其特征在于，基于所述第二基准位置对应的第二预测框与每个所述目标真值框的所述交叠比和所述第二基准位置的分数，确定每个所述第二基准位置对于每个所述目标真值框对应目标的预测质量的步骤，包括：

利用公式q_ij＝(s_j)^1-α*(IoU_ij)^α计算每个所述第二基准位置对于每个所述目标真值框对应目标的预测质量，得到预测质量矩阵Q；其中，q_ij取值为[0,1]，α为取值在[0,1]区间的预设超参数，s_j为第j个所述第二基准位置的分数，IoU_ij为第j个第二基准位置对应的第二预测框与第i个目标真值框的交叠比，为矩阵IoU中第i行第j列的元素；

4.根据权利要求2所述的方法，其特征在于，所述图像样本还标注有各目标真值框对应的目标类型；

基于所述第二基准位置对应的第二预测框与每个所述目标真值框的所述交叠比和所述第二基准位置的分数，确定每个所述第二基准位置对于每个所述目标真值框对应目标的预测质量的步骤，包括：

利用公式q_ij＝(s_ij)^1-α*(IoU_ij)^α计算每个所述第二基准位置对于每个所述目标真值框对应目标的预测质量，得到预测质量矩阵Q；其中，q_ij取值为[0,1]，α为取值在[0,1]区间的预设超参数，s_ij为第j个第二基准位置的分数中对应于当前目标类型的分数，所述当前目标类型是指第i个目标真值框对应的目标类型，IoU_ij为第j个第二基准位置对应的第二预测框与第i个目标真值框的交叠比，为矩阵IoU中第i行第j列的元素；