[发明专利]目标检测方法、装置及电子设备

说明书

本申请实施例提供一种目标检测方法、装置及电子设备，其中，该方法包括获取待检测图像和将待检测图像输入目标检测模型，得到目标检测结果；该目标检测结果包括目标对应的包围框的位置和分数。上述目标检测模型的训练过程为：将图像样本集中的图像样本输入学生网络模型，得到与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；获取教师网络模型对该图像样本的教师模型检测结果；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，并根据该标签分配信息和学生模型检测结果计算学生网络模型的损失函数值；基于损失函数值调整学生网络模型的参数继续训练，直至得到目标检测模型。本申请提升了目标检测模型的性能和训练效率。

技术领域

本发明涉及模型训练技术领域，尤其是涉及一种目标检测方法、装置及电子设备。

背景技术

目标检测是计算机视觉的一个基础任务，它是在一张图片中找到用户感兴趣的目标，并输出它们的类别和位置，位置可用包围框进行表示。目前常见的目标检测方法都基于神经网络实现的，神经网络输出的特征图上的每个位置都会输出一个结果，因而这些方法在训练过程中都包含了一个被称为标签分配的过程，该过程决定了在训练时，神经网络的特征图上的每个位置的学习目标。换言之，在训练过程中，一个训练样本(一张图片)上有n个目标(物体)，标签分配过程指定了神经网络的特征图上的每个位置是学习正样本(前景)还是负样本(背景)，如果是学习正样本，则从n个目标中选择1个作为该位置的正样本。这一标签分配的过程通常都是人工设计的规则，由于人工设计的规则带有一定的主观性，导致这种标签分配方式下训练出的网络模型的性能不佳，影响目标检测的可靠性。

发明内容

有鉴于此，本发明的目的在于提供一种目标检测方法、装置及电子设备，以优化学生网络模型的训练过程，进而提升学生网络模型的性能和该模型的检测可靠性。

第一方面，本发明实施例提供了一种目标检测方法，该方法包括：获取待检测图像；将待检测图像输入目标检测模型，得到目标检测结果；目标检测结果包括目标对应的包围框的位置和分数；其中，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，图像样本标注有目标真值框，学生模型检测结果包括与第一特征图的每个像素点对应的第一基准位置的分数和第一基准位置对应的坐标信息；获取教师网络模型对图像样本的教师模型检测结果；其中，教师网络模型为预先训练好的模型，教师模型检测结果包括与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第二基准位置对应的坐标信息；其中，第一特征图和第二特征图的基准位置数和/或位置点均相同；根据教师模型检测结果确定图像样本的标签分配信息；根据标签分配信息和学生模型检测结果计算学生网络模型的损失函数值；基于损失函数值调整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目标检测模型。

其中，根据教师模型检测结果确定标签分配信息的步骤，包括：对于每个第二基准位置，分别计算该第二基准位置与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为标注真值框的个数，A为第二特征图包括的第二基准位置的个数；基于第二基准位置与每个目标真值框的交叠比和第二基准位置的分数，确定第二基准位置对于每个目标真值框对应目标的预测质量；其中，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；基于每个第二基准位置对于每个目标真值框对应目标的预测质量确定每个第一基准位置的标签分配信息。

上述基于第二基准位置对应的第二预测框与每个目标真值框的交叠比和第二基准位置的分数，确定每个第二基准位置对于每个目标真值框对应目标的预测质量的步骤，包括：