[发明专利]用于训练图像处理模型和检测图像的方法、装置

说明书

本公开公开了用于训练图像处理模型和检测图像的方法、装置，涉及人工智能技术领域，尤其涉及计算机视觉技术和深度学习技术领域。具体实现方案为：获取至少两个第一局部特征和对应的至少两个第二局部特征，其中，该第一局部特征和第二局部特征基于预先训练的第一图像处理模型和对应的待训练的第二图像处理模型针对目标图像中的目标区域进行特征提取得到；将该至少两个第一局部特征和对应的第二局部特征分别输入至相应的待训练的局部关系提取模型，生成第一局部关系特征和第二局部关系特征；基于根据该第一局部关系特征和第二局部关系特征生成的损失值调整该待训练的第二图像处理模型和局部关系提取模型的参数，得到训练完成的第二图像处理模型。

技术领域

本公开涉及人工智能技术领域，特别涉及计算机视觉技术和深度学习技术。

背景技术

知识蒸馏(Knowledge Distillation,KD)是模型压缩的一种常用的方法。它是指将教师网络(teacher network)的知识迁移到学生网络(student network)上，使得学生网络的性能表现如教师网络一般。

发明内容

提供了一种用于训练图像处理模型和检测图像的方法、装置、电子设备以及存储介质。

根据第一方面，提供了一种用于训练图像处理模型的方法，该方法包括：获取至少两个第一局部特征和对应的至少两个第二局部特征，其中，第一局部特征基于预先训练的第一图像处理模型针对目标图像中的第一目标区域进行特征提取得到，第二局部特征基于与第一图像处理模型对应的待训练的第二图像处理模型针对目标图像中的第二目标区域进行特征提取得到；将至少两个第一局部特征和对应的至少两个第二局部特征分别输入至相应的待训练的局部关系提取模型，生成第一局部关系特征和第二局部关系特征，其中，第一局部关系特征用于表征至少两个第一局部特征之间的关联关系，第二局部关系特征用于表征至少两个第二局部特征之间的关联关系；利用预设的损失函数，基于第一局部关系特征和第二局部关系特征生成损失值；基于所生成的损失值调整待训练的第二图像处理模型和待训练的局部关系提取模型的网络参数，得到训练完成的第二图像处理模型。

根据第二方面，提供了一种用于检测图像的方法，该方法包括：获取待检测图像；将待检测图像输入至预先训练的图像处理模型，生成与待检测图像对应的对象检测结果，其中，图像处理模型通过如第一方面中任一实现方式所描述的方法训练得到。

根据第三方面，提供了一种用于训练图像处理模型的装置，该装置包括：局部特征获取单元，被配置成获取至少两个第一局部特征和对应的至少两个第二局部特征，其中，第一局部特征基于预先训练的第一图像处理模型针对目标图像中的第一目标区域进行特征提取得到，第二局部特征基于与第一图像处理模型对应的待训练的第二图像处理模型针对目标图像中的第二目标区域进行特征提取得到；关系特征生成单元，被配置成将至少两个第一局部特征和对应的至少两个第二局部特征分别输入至相应的待训练的局部关系提取模型，生成第一局部关系特征和第二局部关系特征，其中，第一局部关系特征用于表征至少两个第一局部特征之间的关联关系，第二局部关系特征用于表征至少两个第二局部特征之间的关联关系；损失值生成单元，被配置成利用预设的损失函数，基于第一局部关系特征和第二局部关系特征生成损失值；参数调整单元，被配置成基于所生成的损失值调整待训练的第二图像处理模型和待训练的局部关系提取模型的网络参数，得到训练完成的第二图像处理模型。

根据第四方面，提供了一种用于检测图像的装置，该装置包括：图像获取单元，被配置成获取待检测图像；检测单元，被配置成将待检测图像输入至预先训练的图像处理模型，生成与待检测图像对应的对象检测结果，其中，图像处理模型通过如第一方面中任一实现方式所描述的方法训练得到。

根据第五方面，提供了一种电子设备，该电子设备包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器；其中，存储器存储有可被上述至少一个处理器执行的指令，上述指令被至少一个处理器执行，以使上述至少一个处理器能够执行如第一方面和第二方面中任一实现方式所描述的方法。