[发明专利]模型训练及目标跟踪方法、装置、电子设备和存储介质

权利要求书

1.一种模型训练方法，其特征在于，所述方法包括：

获取不同目标跟踪类别对应的训练样本集，得到至少两个训练样本集；

利用所述至少两个训练样本集中每个样本集，分别对预设的教师模型进行目标跟踪训练，得到至少两个预训练的教师模型；

利用预设训练样本，结合所述至少两个预训练的教师模型和知识蒸馏方式，对预设的学生模型进行目标跟踪训练，得到训练后的学生模型，所述训练后的学生模型用于进行目标跟踪处理。

2.根据权利要求1所述的方法，其特征在于，所述利用预设训练样本，结合所述至少两个预训练的教师模型和知识蒸馏方式，对预设的学生模型进行目标跟踪训练，得到训练后的学生模型，包括：

利用所述至少两个预训练的教师模型和所述预设训练样本，确定至少两个教师特征图，并利用所述预设的学生模型和所述预设训练样本，确定学生特征图；

计算所述学生特征图和所述至少两个教师特征图之间的损失信息，得到第一损失函数；

计算所述学生特征图和所述预设训练样本对应的标准特征图之间的损失信息，得到第二损失函数；

基于所述第一损失函数和所述第二损失函数，对所述预设的学生模型进行调整，得到所述训练后的学生模型。

3.根据权利要求2所述的方法，其特征在于，所述预设训练样本包括：预设模板图像和预设跟踪图像，所述利用所述至少两个预训练的教师模型和所述预设训练样本，确定至少两个教师特征图，并利用所述预设的学生模型和所述预设训练样本，确定学生特征图，包括：

利用所述至少两个预训练的教师模型中每个模型，分别根据所述预设跟踪图像和所述预设模板图像进行目标跟踪处理，得到所述至少两个教师特征图；

利用所述预设的学生模型，根据所述预设跟踪图像和所述预设模板图像进行目标跟踪处理，得到所述学生特征图。

4.根据权利要求2或3所述的方法，其特征在于，所述计算所述学生特征图和所述至少两个教师特征图之间的损失信息，得到第一损失函数，包括：

对所述至少两个教师特征图进行加权求和，得到第一教师特征图；

将所述第一教师特征图调整至与所述学生特征图尺寸相同的特征图，得到第二教师特征图；

计算所述学生特征图与所述第二教师特征图之间的损失信息，得到所述第一损失函数。

5.根据权利要求2至4任一项所述的方法，其特征在于，所述计算所述学生特征图和所述预设训练样本对应的标准特征图之间的损失信息，得到第二损失函数，包括：

计算所述学生特征图和所述标准特征图之间的分类损失函数；

计算所述学生特征图和所述标准特征图之间的回归损失函数；

基于所述分类损失函数和所述回归损失函数，确定所述第二损失函数。

6.根据权利要求2至5任一项所述的方法，其特征在于，所述基于所述第一损失函数和所述第二损失函数，对所述预设的学生模型进行调整，得到所述训练后的学生模型，包括：

对所述第一损失函数和所述第二损失函数进行加权求和，得到目标损失函数；

基于所述目标损失函数对所述预设的学生模型进行调整，得到所述训练后的学生模型。

7.一种目标跟踪方法，其特征在于，包括：

获取目标跟踪图像和目标模板图像；

利用训练后的学生模型，根据所述目标跟踪图像和所述目标模板图像进行目标跟踪处理，得到目标跟踪结果；其中，所述训练后的学生模型是通过权利要求1-6任一项所述的方法训练得到的。

8.一种模型训练装置，其特征在于，包括：

样本获取模块，用于获取不同目标跟踪类别对应的训练样本集，得到至少两个训练样本集；

模型训练模块，用于利用所述至少两个训练样本集中每个样本集，分别对预设的教师模型进行目标跟踪训练，得到至少两个预训练的教师模型；利用预设训练样本，结合所述至少两个预训练的教师模型和知识蒸馏方式，对预设的学生模型进行目标跟踪训练，得到训练后的学生模型，所述训练后的学生模型用于进行目标跟踪处理。