【技术实现步骤摘要】
目标检测方法、装置、设备以及存储介质
[0001]本专利技术涉及计算机
，尤其涉及目标检测方法、装置、设备以及存储介质。
技术介绍
[0002]随着深度学习目标检测方法在各个工业领域被广泛应用，目标检测网络也得到相对迅速的发展，目标检测模型的准确率越来越高，但依旧存在模型复杂以及训练周期长等问题，影响了后续目标检测的效率。
[0003]现有的目标检测模型在瓶颈层的特征处理部分和检测头的目标检测部分均采用单一的处理方式，使得训练得到的模型的目标检测准确率不足。
[0004]因此，如何综合采用不同瓶颈层处理方式和不同检测头目标检测方式进行模型训练，使得蒸馏训练的过程更加智能，从而得到准确性更高的目标检测模型，提高对图像的目标检测能力，是目前亟待解决的问题。
技术实现思路
[0005]本专利技术提供了一种目标检测方法、装置、设备以及存储介质，可以得到准确性更高的目标检测模型，提高对产品的目标检测能力。
[0006]根据本专利技术的一方面，提供了一种目标检测方法，包括：
[000...
【技术保护点】
【技术特征摘要】
1.一种目标检测方法，其特征在于，包括：将训练图像输入目标检测网络的主干网络，对训练图像进行特征提取；将主干网络输出的特征输入瓶颈层的第一分支和第一检测头进行处理，以得到第一预测目标框；并将主干网络输出的特征输入瓶颈层的第二分支和第二检测头进行处理，以得到第二预测目标框；基于预设的损失函数，根据第一预测目标框、第二预测目标框和真实目标框，确定第一目标损失值和第二目标损失值的大小关系，并将目标损失值较小的目标检测模型确定为教师模型，将目标损失值较大的目标检测模型确定为学生模型；基于蒸馏的方式，将教师模型和学生模型进行共同训练，以得到训练好的目标检测模型，并采用训练好的目标检测模型，对待检测图像中的目标对象进行检测。2.根据权利要求1所述的方法，其特征在于，将主干网络输出的特征输入瓶颈层的第一分支和第一检测头进行处理，以得到第一预测目标框；并将主干网络输出的特征输入瓶颈层的第二分支和第二检测头进行处理，以得到第二预测目标框，包括：在瓶颈层的第一分支，基于Transformer网络的编码器和解码器，对主干网络输出的特征进行处理，并在第一检测头，采用前馈网络进行目标检测，以得到第一预测目标框；在瓶颈层的第二分支，基于特征金字塔网络，对主干网络输出的特征进行处理，并在第二检测头，采用非极大值抑制方式进行目标检测，以得到第二预测目标框。3.根据权利要求2所述的方法，其特征在于，基于Transformer网络的编码器和解码器，对主干网络输出的特征进行处理，并在第一检测头，采用前馈网络进行目标检测，以得到第一预测目标框，包括：基于编码器，确定主干网络的所有感受野特征，对所有感受野特征进行编码操作，并根据全局注意力共享参数，对不同感受野特征进行自注意力操作，以得到具有全局注意力的特征图；基于解码器，对编码层输出的特征图进行解码，以得到解码层特征以及解码层特征之间的相关性关系；在第一检测头，根据解码层特征以及解码层特征之间的相关性关系，基于前馈网络，进行目标预测，以得到第一预测目标框。4.根据权利要求2所述的方法，其特征在于，基于特征金字塔网络，对主干网络输出的特征进行处理，并在第二检测头，采用非极大值抑制方式进行目标检测，以得到第二预测目标框，包括：基于特征金字塔网络，对主干网络输出的特征进行特征融合，以得到具有不同感受野的特征图；对具有不同感受野的特征图进行有效特征提取，并在第二检测头，基于非极大值抑制方式，进行目标检测，以得到第二预测目标框。5.根据权利要求1所述的方法，其特征在于，基于预设的损失函数，根据第一预测目标框、第二预测目标框和真实目标框，确定第一目标损失值和第二目标损失值的大小关系，包括：基于CIOU损失函数，确定第一预测目标框和真实目标框之间的第一CIOU损失值，以及第二预测目标框和真实目标框之间的第二CIOU损失值；
基于坐标损失函数，确定第一预测目标框和真实目标框之间的第一坐标损失值，以及第二预测目标框和真实目标框之间的第二坐标损失值；根据第一CIOU损失值、第一坐标损失值、...
【专利技术属性】
技术研发人员：李林超，权家新，周凯，温婷，
申请(专利权)人：浙江啄云智能科技有限公司，
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。