基于知识蒸馏的检测模型的压缩方法、系统和计算设备技术方案

本发明专利技术的实施方式提供了一种基于知识蒸馏的检测模型的压缩方法、系统和计算设备。该方法包括：基于教师网络对获取的目标图像进行计算，得到所述目标图像对应的图像权重信息；基于检测模型对所述目标图像进行计算，得到所述目标图像对应的特征值；基于损失函数、所述图像权重信息以及所述特征值对所述检测模型进行知识蒸馏，得到压缩后的检测模型。本发明专利技术能够利用教师网络得到的图像权重信息以及损失函数对检测模型进行知识蒸馏，以使检测模型在充分获得教师网络的知识的同时，还提升了检测模型的检测精度。测模型的检测精度。测模型的检测精度。

【技术实现步骤摘要】
基于知识蒸馏的检测模型的压缩方法、系统和计算设备


[0001]本专利技术的实施方式涉及人工智能
，更具体地，本专利技术的实施 方式涉及一种基于知识蒸馏的检测模型的压缩方法、系统和计算设备。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本专利技术的实施方式提供背景或上 下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]随着人工智能技术的快速发展，人工智能技术中的深度学习技术广泛 的应用于目标检测领域，特别是针对体积较小的小目标的检测已经成为了 目标检测领域的研究热点。目前，通常使用YOLO v3网络模型对小目标 进行检测，可以得到较为准确的检测结果。然而，在实践中发现，由于 YOLO v3网络模型的尺寸过大，因此，将YOLO v3网络模型移植到小网 络模型中的过程中，可能出现YOLO v3网络模型中的知识传递不充分的 情况。

技术实现思路

[0004]在本上下文中，本专利技术的实施方式期望提供一种基于知识蒸馏的检测 模型的压缩方法、系统和计算设备。
[0005]在本专利技术实施方式的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识蒸馏的检测模型的压缩方法，包括：基于教师网络对获取的目标图像进行计算，得到所述目标图像对应的图像权重信息；基于检测模型对所述目标图像进行计算，得到所述目标图像对应的特征值；基于损失函数、所述图像权重信息以及所述特征值对所述检测模型进行知识蒸馏，得到压缩后的检测模型。2.根据权利要求1所述的基于知识蒸馏的检测模型的压缩方法，基于教师网络对获取的目标图像进行计算，得到所述目标图像对应的图像权重信息，包括：基于教师网络对获取的目标图像进行计算，得到所述目标图像对应的掩码图；获取所述教师网络输出的包含所述目标图像中前景区域的置信度；基于所述置信度对所述掩码图进行计算，得到图像权重信息。3.根据权利要求2所述的基于知识蒸馏的检测模型的压缩方法，基于教师网络对获取的目标图像进行计算，得到所述目标图像对应的掩码图，包括：基于教师网络对获取的目标图像进行识别，得到所述目标图像中的预测框信息；基于所述目标图像中的真实标签信息对所述预测框信息进行计算，确定所述目标图像中包含检测目标的前景区域以及除所述前景区域之外的背景区域；确定所述目标图像的前景区域对应的第一预设值，并且确定所述目标图像的背景区域对应的第二预设值，以得到所述目标图像对应的包含所述第一预设值和所述第二预设值的掩码图。4.根据权利要求1～3任一项所述的基于知识蒸馏的检测模型的压缩方法，所述检测模型包含但不限于特征提取层、特征融合层以及自适应层，基于检测模型对所述目标图像进行计算，得到所述目标图像对应的特征值，包括：基于所述特征提取层对所述目标图像进行计算，得到所述特征提取层输出的第一特征值；基于所述特征融合层对所述第一特征值进行计算，得到所述特征融合层输出的第二特征值；通过所述自适应层对所述第一特征值的维度和所述第二特征值的维度分别进行调整，得到调整后的第一特征值和第二特征值，所述调整后的第一特征值的维度与所述图像权重信息的维度相同，以及所述调整后的第二特征值的维度与所述图像权重信息的维度相同。5.根据权利要求4所述的基于知识蒸馏的检测模型的压缩方...

【专利技术属性】
技术研发人员：向大凤，
申请(专利权)人：北京华文众合科技有限公司，
类型：发明
国别省市：