【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种目标检测方法、装置、电子设备及存储介质。
技术介绍
1、基于目标检测的知识迁移算法可以将大模型知识迁移至小模型中，应用小模型时，从而在提升了推理速度的同时，保证了目标检测精度。
2、现有基于特征的目标检测知识迁移算法存在一个问题，即通过整体的特征图进行损失计算，因为学生模型的表达能力有限，所以两者的特征图存在较大差异，所以这种优化方式不能很好的指导学生模型学习。
技术实现思路
1、有鉴于此，本申请实施例提供了一种目标检测方法、装置、电子设备及存储介质，以解决现有技术中基于知识迁移算法进行目标检测时，学生网络学习难度大、迁移效果不佳的问题。
2、本申请实施例的第一方面，提供了一种目标检测方法，包括：
3、获取待检测图像；
4、将待检测图像分别输入学生网络和训练好的教师网络，学生网络对待检测图像进行特征提取得到第一特征图，教师网络对待检测图像进行特征提取得到第二特征图；
5、基于第一特征图确定n个候选区
【技术保护点】
1.一种目标检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一特征图确定N个候选区域，包括：
3.根据权利要求2所述的方法，其特征在于，所述在第一特征图中确定学生网络候选区域特征，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于各学生网络候选区域特征以及对应的教师网络候选区域特征计算得到所述学生网络的对齐损失函数，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述各候选区域的学生网络候选区域提取后的特征以及与其分别对应的教师网络候选区域特征计算得到所述学生网络的...
【技术特征摘要】
1.一种目标检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一特征图确定n个候选区域，包括：
3.根据权利要求2所述的方法，其特征在于，所述在第一特征图中确定学生网络候选区域特征，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于各学生网络候选区域特征以及对应的教师网络候选区域特征计算得到所述学生网络的对齐损失函数，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述各候选区域的学生网络候选区域提取后的特征以及与其分别对应的教师网络候选区域特征计算得到所述学生网络的对齐损失函数，包括：
6.根据权利要求4所述的方法，其特征在于，所述学生网络对所...
【专利技术属性】
技术研发人员：金毅勐，蒋召，周靖宇，
申请(专利权)人：深圳须弥云图空间科技有限公司，
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。