[发明专利]目标识别方法、目标识别模型训练方法及装置

说明书

本公开提供了一种目标识别方法、目标识别模型训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品，涉及人工智能领域，尤其涉及图像处理、计算机视觉和深度学习技术领域，可应用于3D视觉、虚拟现实等场景。实现方案为：初始化待训练的学生模型并确定经训练的教师模型；获取点云数据、点云数据中的每个点所对应的第一标签以及点云数据所对应的第二标签，第一标签用于标识该点与点云数据所对应的待识别目标所在区域的关系，第二标签为预设的目标识别结果；将点云数据输入学生模型，以及将点云数据和第一标签输入教师模型，从而基于知识蒸馏方法对该学生模型进行训练。

技术领域

本公开涉及人工智能领域，尤其涉及图像处理、计算机视觉和深度学习技术领域，可应用于3D视觉、虚拟现实等场景。具体涉及一种目标识别方法、目标识别模型训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术:人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

深度学习技术近年来在计算机视觉和自然语言处理领域获得了巨大的成功，基于点云数据的目标检测任务作为计算机视觉中的经典子任务，近年来也成为了深度学习研究者的热点课题。通过例如激光雷达采集的点云数据蕴含丰富的几何信息，但是相比图像缺少丰富的语义信息，这导致在一些小物体和非刚体的物体上，检测指标很差。

发明内容

本公开提供了一种目标识别方法、目标识别模型训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种目标识别网络模型训练方法，包括：初始化待训练的学生模型，所述学生模型包括第一特征提取网络和第一检测头网络；获取点云数据；确定所述点云数据中的每个点所对应的第一标签以及所述点云数据所对应的第二标签，其中，所述第一标签用于标识该点与所述点云数据所对应的待识别目标所在区域的关系，所述第二标签为预设的目标识别结果；确定经训练的教师模型，其中所述教师模型包括第二特征提取网络和第二检测头网络；将所述点云数据输入所述学生模型，获得第一特征图和第一识别结果；将所述点云数据以及所述第一标签输入所述教师模型，获得第二特征图以及第二识别结果；基于所述第一特征图和所述第二特征图所组成的组、以及所述第一识别结果和所述第二识别结果所组成的组中的至少一组，通过预设的第一损失函数确定蒸馏损失值；基于所述第一识别结果以及所述第二标签，通过预设的第二损失函数确定目标识别损失值；以及基于所述蒸馏损失值以及所述目标识别损失值，调节所述学生模型的参数值。

根据本公开的另一方面，提供了一种目标识别方法，包括：通过点云采集装置获取点云数据，其中所述点云采集装置用于对待识别目标进行观测；以及将所述点云数据输入经训练的学生模型，以获得目标识别结果。所述学生模型基于本公开所述的方法训练得到。