目标检测模型的训练方法、装置、电子设备以及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114187459A(43)申请公布日2022.03.15(21)申请号202111307878.6(22)申请日2021.11.05(71)申请人北京百度网讯科技有限公司地址100085北京市海淀区上地十街10号百度大厦二层(72)发明人张为明张伟谭啸孙昊(74)专利代理机构北京清亦华知识产权代理事务所(普通合伙)11201代理人单冠飞(51)Int.Cl.G06V10/75(2022.01)G06V10/776(2022.01)G06V10/774(2022.01)G06K9/62(2022.01)权利要求书2页说明书8页附图3页(54)发明名称目标检测模型的训练方法、装置、电子设备以及存储介质(57)摘要本公开提供了目标检测模型的训练方法、装置、电子设备以及存储介质，涉及计算机视觉、深度学习技领域术。具体实现方案为：构建初始的第一目标检测模型，其中，第一目标检测模型中第一主干网络采用正样本对和负样本对训练得到；采用样本图像以及对应的样本目标对初始的第一目标检测模型进行训练，得到训练好的第一目标检测模型；采用样本图像、样本图像对应的样本目标、以及第一目标检测模型输出的样本图像的中间表示，对初始的第二目标检测模型进行训练；其中，样本图像不需要人工标注，人工成本低；且先对重量级的第一目标检测模型进行训练，然后对轻量级的第二目标检测模型进行蒸馏处理，提高了第二目标检测模型的准确度。CN114187459ACN114187459A权利要求书1/2页1.一种目标检测模型的训练方法，包括：构建初始的第一目标检测模型，其中，所述第一目标检测模型中第一主干网络采用正样本对和负样本对训练得到；其中，所述正样本对中的图像，为对相同图像进行不同的图像预处理得到；所述负样本对的图像，为对不同图像分别进行图像预处理得到；采用样本图像以及对应的样本目标对所述初始的第一目标检测模型进行训练，得到训练好的第一目标检测模型；采用所述样本图像、所述样本图像对应的样本目标、以及所述第一目标检测模型输出的所述样本图像的中间表示，对初始的第二目标检测模型进行训练，得到训练好的第二目标检测模型；其中，所述第二目标检测模型中第二主干网络的网络层数小于所述第一主干网络的网络层数。2.根据权利要求1所述的方法，其中，所述第一主干网络和所述第二主干网络为残差网络。3.根据权利要求1所述的方法，其中，所述采用样本图像以及对应的样本目标对所述初始的第一目标检测模型进行训练，得到训练好的第一目标检测模型，包括：基于所述样本目标以及所述第一目标检测模型输出的预测目标，确定所述第一目标检测模型的损失函数；基于所述损失函数的值对所述第一目标检测模型中除第一主干网络的系数之外的系数进行调整，实现训练。4.根据权利要求1所述的方法，其中，所述采用所述样本图像、所述样本图像对应的样本目标、以及所述第一目标检测模型输出的所述样本图像的中间表示，对初始的第二目标检测模型进行训练，得到训练好的第二目标检测模型，包括：基于所述样本图像对应的样本目标，以及所述第二目标检测模型输出的预测目标，构建第一子损失函数；基于所述样本图像的中间表示，以及所述第二目标检测模型输出的预测中间表示，构建第二子损失函数；根据所述第一子损失函数和第二子损失函数，确定总损失函数；根据所述总损失函数的值对所述第二目标检测模型的系数进行调整，实现训练。5.根据权利要求1所述的方法，其中，所述图像预处理包括以下处理中的至少一种：图像颜色变换、图像几何变换、图像中多块的拼图处理。6.一种目标检测模型的训练装置，包括：构建模块，用于构建初始的第一目标检测模型，其中，所述第一目标检测模型中第一主干网络采用正样本对和负样本对训练得到；其中，所述正样本对中的图像，为对相同图像进行不同的图像预处理得到；所述负样本对的图像，为对不同图像分别进行图像预处理得到；第一训练模块，用于采用样本图像以及对应的样本目标对所述初始的第一目标检测模型进行训练，得到训练好的第一目标检测模型；第二训练模块，用于采用所述样本图像、所述样本图像对应的样本目标、以及所述第一目标检测模型输出的所述样本图像的中间表示，对初始的第二目标检测模型进行训练，得到训练好的第二目标检测模型；其中，所述第二目标检测模型中第二主干网络的网络层数小于所述第一主干网络的网络层数。2CN114187459A权利要求书2/2页7.根据权利要求6所述的装置，其中，所述第一主干网络和所述第二主干网络为残差网络。8.根据权利要求6所述的装置，其中，所述第一训练模块具体用于，基于所述样本目标以及所述第一目标检测模型输出的预测目标，确定所述第一目标检测模型的损失函数；基于所述损失函数的值对所述第一目标检测模型中除第一主干网络的系