【技术实现步骤摘要】
基于图结构的目标检测方法及电子设备
[0001]本专利技术涉及目标检测
,尤其是指一种基于图结构的目标检测方法及电子设备。
技术介绍
[0002]随着计算机技术的发展,基于深度学习的检测方法变得更加准确、更快。与此同时,强大的探测器也带来了更大的计算需求。模型压缩方法成为研究的另一个关键方向。知识蒸馏是一种通过提高较小模型的能力来减少计算资源需求的有效方法。通常,它是关于将指导性知识从一个预先训练过的模型(教师)转移到一个较小的模型(学生)。然而,大多数蒸馏方法侧重于图像分类任务。将分类蒸馏方法直接转移到目标检测任务中仍然是一个挑战。在目标检测过程中,由于检测器的性质,教师模型和学生模型不能预测相同的目标建议,教师的实例特征与学生的实例特征不一致。除此之外,将预测多个正数和负数实例,同时负实例的数量远远超过正实例。如果简单地选择所有实例进行蒸馏,则一些复杂的实例信息会被忽略,学生模型的有效性不会进一步提高。因此,需要设计一种新的选择机制,通过选择有效的实例来指导学生模型。
技术实现思路
[0003]为此,本专利技术所要解决的技术问题在于克服现有技术中在对教师模型进行知识蒸馏时,图像中一些复杂的实例信息会被忽略掉,并且学生模型有效性不高的问题。
[0004]为解决上述技术问题,本专利技术提供了一种基于图结构的目标检测方法,包括:
[0005]步骤S1:获取待检测图像;
[0006]步骤S2:通过改进的知识蒸馏方法来构建基于图结构的目标检测网络,其中,所述改进的知识蒸馏方法为 ...
【技术保护点】
【技术特征摘要】
1.一种基于图结构的目标检测方法,其特征在于,包括:步骤S1:获取待检测图像;步骤S2:通过改进的知识蒸馏方法来构建基于图结构的目标检测网络,其中,所述改进的知识蒸馏方法为:通过图结构法对所述教师模型进行蒸馏得到学生模型,所述教师模型通过预设图像数据集训练得到,所述学生模型为基于图结构的目标检测网络;所述步骤S2中的图结构法具体为:基于所述教师模型中检测到的实例来构造图结构,包括:步骤S21:构建实例特征之间的相似性,并构建实例位置之间的像素级距离关系;步骤S22:将所述实例特征之间的相似性和实例位置之间的像素级距离关系进行相乘得到实例权重;步骤S23:筛选出所述实例权重高于预设权重的实例,以形成所述图结构;步骤S3:通过所述基于图结构的目标检测网络检测所述待检测图像中的目标。2.根据权利要求1所述的基于图结构的目标检测方法,其特征在于:所述步骤S2中的图结构满足的公式为:G=(N,E),其中,N和E分别表示蒸馏时图像中的节点集和边集,所述节点集N包括区域节点N
r
和类节点N
c
,每个所述类节点N
c
,对应图像中的实例;每个所述区域节点N
r
对应图像中的实例位置;所述边集E包括区域节点N
r
之间边集、以及类节点N
c
之间边集。3.根据权利要求1所述的基于图结构的目标检测方法,其特征在于:所述步骤S21中构建实例特征之间的相似性,公式为:E
c
(V
p
,V
q
)=sim(V
p
,V
q
)其中,sim表示相似性,V
p
、V
q
表示教师模型不同实例的特征向量。4.根据权利要求1所述的基于图结构的目标检测方法,其特征在于:所述步骤S21中构建实例位置之间的像素级距离关系,公式为:E
r
(V
p
,V
q
)=dist(Coordinate(V
p
),Coordinate(V
q
))其中,dist表示距离,Coordinate表示实例中心点的坐标,V
p
、V
q
表示教师模型不同实例的特征向量,X1、Y1分别是V
p
代表的实例中心点的横纵坐标,X2、Y2分别是V
q
代表的实例中心点的横纵坐标。5.根据权利要求1所...
【专利技术属性】
技术研发人员:徐峰磊,赵浩剀,张佳欣,张乐谦,施斐,马益路,胡伏原,
申请(专利权)人:苏州中星拟景信息技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。