【技术实现步骤摘要】
本申请属于目标检测，尤其涉及一种目标检测模型的训练方法和目标检测方法、装置及设备。
技术介绍
1、随着机器学习技术的发展，基于目标检测模型的应用越来越广泛。
2、目前，现有的目标检测模型只适用于对高分辨率图像中的目标对象进行检测，但是，在许多场景下，基于对可靠性和成本的考量，会采用低分辨率的摄像头采集图像，而采用现有的目标检测模型检测低分辨率图像中目标对象的位置信息，准确性会比较差。
技术实现思路
1、本申请实施例提供一种目标检测模型的训练方法和目标检测方法、装置及设备，能够至少解决采用现有的目标检测模型检测低分辨率图像中目标对象的位置信息，准确性会比较差的问题。
2、第一方面，本申请实施例提供一种目标检测模型的训练方法，该方法包括：
3、获取训练样本和第一图像，训练样本包括第二图像和第二图像对应的历史图像标签，历史图像标签包括第二图像中目标对象对应的位置信息，第一图像和第二图像为具有相同图像内容且具有不同分辨率的图像，第一图像的分辨率高于分辨率阈值，第二图像的分辨率不高于分辨率阈值；
4、将第一图像输入至第一目标检测模型中，将训练样本输入至第二目标检测模型中，以第一目标检测模型为教师网络，第二目标检测模型为学生网络，基于第一目标检测模型中的第一子网络的第一输出和第二目标检测模型中与第一子网络对应的第三子网络的第二输出，确定层级损失函数值，第一目标检测模型包括多层第一子网络和第二子网络，第二目标检测模型包括多层第三子网络，第一子网络是
5、根据层级损失函数值，调整第二目标检测模型中第三子网络的网络参数，直至第二目标检测模型收敛，得到训练后的第二目标检测模型。
6、第二方面，本申请实施例提供一种目标检测方法，该方法包括：
7、获取分辨率低于分辨率阈值的目标图像；
8、将目标图像输入至第二目标检测模型中，输出得到目标图像中的目标对象对应的目标位置信息，第二目标检测模型为根据权利要求1-5任一项的目标检测模型的训练方法训练得到。
9、第三方面，本申请实施例提供了一种目标检测模型的训练装置，该装置包括：
10、第一获取模块，用于获取训练样本和第一图像，训练样本包括第二图像和第二图像对应的历史图像标签，历史图像标签包括第二图像中目标对象对应的位置信息，第一图像和第二图像为具有相同图像内容且具有不同分辨率的图像，第一图像的分辨率高于分辨率阈值，第二图像的分辨率不高于分辨率阈值；
11、第一确定模块，用于将第一图像输入至第一目标检测模型中，将训练样本输入至第二目标检测模型中，以第一目标检测模型为教师网络，第二目标检测模型为学生网络，基于第一目标检测模型中的第一子网络的第一输出和第二目标检测模型中与第一子网络对应的第三子网络的第二输出，确定层级损失函数值，第一目标检测模型包括多层第一子网络和第二子网络，第二目标检测模型包括多层第三子网络，第一子网络是与第三子网络一一对应的子网络，第一目标检测模型是基于分辨率高于分辨率阈值的图像训练得到的；
12、调整模块，用于根据层级损失函数值，调整第二目标检测模型中第三子网络的网络参数，直至第二目标检测模型收敛，得到训练后的第二目标检测模型。
13、第四方面，本申请实施例提供了一种目标检测装置，该装置包括：
14、第二获取模块，用于获取分辨率低于分辨率阈值的目标图像；
15、输入模块，用于将目标图像输入至第二目标检测模型中，输出得到目标图像中的目标对象对应的目标位置信息，第二目标检测模型为根据第一方面的任一项实施例中的目标检测模型的训练方法训练得到。
16、第五方面，本申请实施例提供了一种电子设备，所述设备包括：处理器以及存储有计算机程序指令的存储器；
17、所述处理器执行所述计算机程序指令时实现如第一方面的任一项实施例中所示的目标检测模型的训练方法或第二方面的任一项实施例中所示的目标检测方法。
18、第六方面，本申请实施例提供了一种计算机存储介质，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如第一方面的任一项实施例中所示的目标检测模型的训练方法或第二方面的任一项实施例中所示的目标检测方法。
19、第七方面，本申请实施例提供了一种计算机程序产品，所述计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备执行如第一方面的任一项实施例中所示的目标检测模型的训练方法或第二方面的任一项实施例中所示的目标检测方法。
20、本申请实施例的目标检测模型的训练方法和目标检测方法、装置及设备，可以获取包括低分辨率的第二图像和第二图像对应的历史图像标签的训练样本以及高分辨率的第一图像，并将第一图像输入至第一目标检测模型中，将训练样本输入至第二目标检测模型中，以第一目标检测模型为教师网络，第二目标检测模型为学生网络，基于第一目标检测模型中的第一子网络的第一输出和第二目标检测模型中与第一子网络对应的第三子网络的第二输出，确定层级损失函数值，然后根据该层级损失函数值，调整第二目标检测模型中第三子网络的网络参数，直至第二目标检测模型收敛，得到训练后的第二目标检测模型。由于第一目标检测模型是基于分辨率高于分辨率阈值的图像训练得到的，且第一目标检测模型中包括的子网络数量较多，因此将第一目标检测模型作为教师网络，通过确定层级损失函数值来指导训练第二目标检测模型，可以使得训练后的第二目标检测模型能够更准确地检测到低分辨率图像中的目标对象的位置信息。
本文档来自技高网...【技术保护点】
1.一种目标检测模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，获取所述第一图像和所述第二图像，包括：
3.根据权利要求1所述的方法，其特征在于，在所述将所述训练样本输入至第二目标检测模型中之后，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述总损失函数值的计算公式为：
5.根据权利要求3所述的方法，其特征在于，所述第一目标检测模型中，每相邻两个所述第一子网络之间间隔的第二子网络的数量相等。
6.一种目标检测方法，其特征在于，所述方法包括：
7.根据权利要求6所述的方法，其特征在于，所述目标对象为人脸和/或人体，所述获取分辨率低于分辨率阈值的目标图像，包括：
8.一种目标检测模型的训练装置，其特征在于，所述装置包括：
9.一种目标检测装置，其特征在于，所述装置包括：
10.一种电子设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；
【技术特征摘要】
1.一种目标检测模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，获取所述第一图像和所述第二图像，包括：
3.根据权利要求1所述的方法，其特征在于，在所述将所述训练样本输入至第二目标检测模型中之后，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述总损失函数值的计算公式为：
5.根据权利要求3所述的方法，其特征在于，所述第一目标检测模型中，每相邻两个所述第一子网...
【专利技术属性】
技术研发人员：胡喆，余金清，冉鹏，罗廷，
申请(专利权)人：极米科技股份有限公司，
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。