本公開涉及計(jì)算機(jī)視覺及人工智能領(lǐng)域，更具體地，涉及一種訓(xùn)練方法、檢測方法、裝置、電子設(shè)備、介質(zhì)及程序產(chǎn)品。

背景技術(shù)：

1、隨著人工智能技術(shù)的普及，以深度學(xué)習(xí)為基礎(chǔ)的計(jì)算機(jī)視覺技術(shù)越來越受到技術(shù)人員的青睞，其中，目標(biāo)檢測作為計(jì)算機(jī)視覺技術(shù)的基礎(chǔ)研究是比較重要的。相關(guān)技術(shù)中，對目標(biāo)檢測模型的訓(xùn)練可以通過對圖像樣本進(jìn)行隨機(jī)裁剪、旋轉(zhuǎn)、縮放等數(shù)據(jù)增強(qiáng)策略進(jìn)行處理，基于增強(qiáng)后的圖像樣本訓(xùn)練模型。

2、在實(shí)現(xiàn)本公開構(gòu)思的過程中，發(fā)明人發(fā)現(xiàn)相關(guān)技術(shù)中至少存在如下問題：對圖像樣本隨機(jī)裁剪、旋轉(zhuǎn)、縮放等的數(shù)據(jù)增強(qiáng)策略可能會導(dǎo)致目標(biāo)的位置發(fā)生偏移，尺寸發(fā)生變化，導(dǎo)致在利用該數(shù)據(jù)增強(qiáng)策略處理的圖樣樣本進(jìn)行目標(biāo)檢測模型的訓(xùn)練時(shí)，難以準(zhǔn)確檢測目標(biāo)位置以及目標(biāo)尺寸大小，從而降低了模型的魯棒性以及檢測的準(zhǔn)確性。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本公開提供了一種訓(xùn)練方法、檢測方法、裝置、電子設(shè)備、介質(zhì)及程序產(chǎn)品。

2、本公開的一個(gè)方面提供了一種目標(biāo)檢測模型訓(xùn)練方法，包括：對原始檢測模型執(zhí)行多輪迭代訓(xùn)練，直至滿足預(yù)定迭代條件，其中，原始檢測模型包括教師網(wǎng)絡(luò)和學(xué)生網(wǎng)絡(luò)；將滿足預(yù)定迭代條件的學(xué)生網(wǎng)絡(luò)確定為目標(biāo)檢測模型。

3、根據(jù)本公開的實(shí)施例，對原始檢測模型執(zhí)行多輪迭代訓(xùn)練，包括：獲取與當(dāng)前輪迭代對應(yīng)的未標(biāo)注圖像樣本；利用教師網(wǎng)絡(luò)對未標(biāo)注圖像樣本進(jìn)行特征提取，生成未標(biāo)注圖像樣本的偽標(biāo)簽數(shù)據(jù)；對未標(biāo)注圖像樣本進(jìn)行混合數(shù)據(jù)增強(qiáng)處理，得到未標(biāo)注混合增強(qiáng)圖像樣本；根據(jù)未標(biāo)注圖像樣本的偽標(biāo)簽數(shù)據(jù)和未標(biāo)注混合增強(qiáng)圖像樣本，對學(xué)生網(wǎng)絡(luò)進(jìn)行參數(shù)調(diào)整，得到與當(dāng)前輪迭代對應(yīng)的學(xué)生網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)；根據(jù)與當(dāng)前輪迭代對應(yīng)的學(xué)生網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)，得到與下一輪迭代對應(yīng)的教師網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)。

4、本公開的另一個(gè)方面提供了一種目標(biāo)檢測方法，包括：獲取待檢測圖像；利用目標(biāo)檢測模型對待檢測圖像進(jìn)行目標(biāo)檢測，得到待檢測圖像的檢測結(jié)果；其中，目標(biāo)檢測模型是利用根據(jù)上述訓(xùn)練方法訓(xùn)練得到的。

5、本公開的另一個(gè)方面提供了一種目標(biāo)檢測模型訓(xùn)練裝置，包括：迭代模塊，用于對原始檢測模型執(zhí)行多輪迭代訓(xùn)練，直至滿足預(yù)定迭代條件，其中，原始檢測模型包括教師網(wǎng)絡(luò)和學(xué)生網(wǎng)絡(luò)；確定模塊，用于將滿足預(yù)定迭代條件的學(xué)生網(wǎng)絡(luò)確定為目標(biāo)檢測模型；

6、其中，迭代模塊包括：獲取子模塊，用于獲取與當(dāng)前輪迭代對應(yīng)的未標(biāo)注圖像樣本；提取子模塊，用于利用教師網(wǎng)絡(luò)對未標(biāo)注圖像樣本進(jìn)行特征提取，生成未標(biāo)注圖像樣本的偽標(biāo)簽數(shù)據(jù)；增強(qiáng)處理子模塊，用于對未標(biāo)注圖像樣本進(jìn)行混合數(shù)據(jù)增強(qiáng)處理，得到未標(biāo)注混合增強(qiáng)圖像樣本；調(diào)整子模塊，用于根據(jù)未標(biāo)注圖像樣本的偽標(biāo)簽數(shù)據(jù)和未標(biāo)注混合增強(qiáng)圖像樣本，對學(xué)生網(wǎng)絡(luò)進(jìn)行參數(shù)調(diào)整，得到與當(dāng)前輪迭代對應(yīng)的學(xué)生網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)；獲得子模塊，用于根據(jù)與當(dāng)前輪迭代對應(yīng)的學(xué)生網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)，得到與下一輪迭代對應(yīng)的教師網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)。

7、本公開的另一個(gè)方面提供了一種目標(biāo)檢測裝置，包括：獲取模塊，用于獲取待檢測圖像；目標(biāo)檢測模塊，用于利用目標(biāo)檢測模型對待檢測圖像進(jìn)行目標(biāo)檢測，得到待檢測圖像的檢測結(jié)果；其中，目標(biāo)檢測模型是利用根據(jù)上述訓(xùn)練裝置訓(xùn)練得到的。

8、本發(fā)明的另一方面提供了一種電子設(shè)備，包括：一個(gè)或多個(gè)處理器；存儲器，用于存儲一個(gè)或多個(gè)程序，其中，當(dāng)一個(gè)或多個(gè)程序被一個(gè)或多個(gè)處理器執(zhí)行時(shí)，使得一個(gè)或多個(gè)處理器執(zhí)行上述方法。

9、本公開的另一方面提供了一種計(jì)算機(jī)可讀存儲介質(zhì)，存儲有計(jì)算機(jī)可執(zhí)行指令，指令在被執(zhí)行時(shí)用于實(shí)現(xiàn)如上的方法。

10、本公開的另一方面提供了一種計(jì)算機(jī)程序產(chǎn)品，計(jì)算機(jī)程序產(chǎn)品包括計(jì)算機(jī)可執(zhí)行指令，指令在被執(zhí)行時(shí)用于實(shí)現(xiàn)如上的方法。

11、根據(jù)本公開的實(shí)施例，通過利用教師網(wǎng)絡(luò)對第一未標(biāo)注圖像樣本進(jìn)行特征提取，生成偽標(biāo)簽數(shù)據(jù)，對第一未標(biāo)注圖像樣本和第二未標(biāo)注圖像樣本進(jìn)行混合數(shù)據(jù)增強(qiáng)，得到第一未標(biāo)注混合增強(qiáng)圖像樣本和第二未標(biāo)注混合增強(qiáng)圖像樣本，根據(jù)偽標(biāo)簽數(shù)據(jù)、第一未標(biāo)注混合增強(qiáng)圖像樣本和第二未標(biāo)注混合增強(qiáng)圖像樣本對學(xué)生網(wǎng)絡(luò)進(jìn)行參數(shù)調(diào)整，同時(shí)通過調(diào)整后的學(xué)生網(wǎng)絡(luò)參數(shù)得到教師網(wǎng)絡(luò)參數(shù)，進(jìn)而實(shí)現(xiàn)對學(xué)生網(wǎng)絡(luò)的訓(xùn)練。因?yàn)椴捎昧嘶旌蠑?shù)據(jù)增強(qiáng)策略對未標(biāo)注數(shù)圖像樣本進(jìn)行混合數(shù)據(jù)增強(qiáng)處理以利用數(shù)據(jù)增強(qiáng)處理后的未標(biāo)注圖像樣本實(shí)現(xiàn)對學(xué)生網(wǎng)絡(luò)的訓(xùn)練，至少部分地克服了現(xiàn)有技術(shù)中對圖像進(jìn)行旋轉(zhuǎn)、裁剪、縮放等操作而導(dǎo)致目標(biāo)在圖像中的位置或尺寸發(fā)生變化，從而引起在模型訓(xùn)練時(shí)降低模型魯棒性以及檢測結(jié)果不準(zhǔn)確的技術(shù)問題，進(jìn)而達(dá)到能夠更好捕捉圖像局部信息，保留圖像樣本中目標(biāo)的原始位置和原始尺寸，實(shí)現(xiàn)增強(qiáng)了經(jīng)訓(xùn)練后的模型的魯棒性和泛化性，提高模型的檢測準(zhǔn)確率的技術(shù)效果。

技術(shù)特征：

1.一種目標(biāo)檢測模型訓(xùn)練方法，包括：

2.根據(jù)權(quán)利要求1所述的方法，其中，所述利用所述教師網(wǎng)絡(luò)對所述未標(biāo)注圖像樣本進(jìn)行特征提取，生成所述未標(biāo)注圖像樣本的偽標(biāo)簽數(shù)據(jù)，包括：

3.根據(jù)權(quán)利要求2所述的方法，其中，所述對所述未標(biāo)注圖像樣本特征圖像進(jìn)行區(qū)域特征提取，生成所述未標(biāo)注圖像樣本的偽標(biāo)簽數(shù)據(jù)，包括：

4.根據(jù)權(quán)利要求1所述的方法，其中，所述對所述未標(biāo)注圖像樣本進(jìn)行混合數(shù)據(jù)增強(qiáng)處理，得到未標(biāo)注混合增強(qiáng)圖像樣本，包括：

5.根據(jù)權(quán)利要求4所述的方法，其中，所述未標(biāo)注混合增強(qiáng)圖像樣本包括第一未標(biāo)注混合增強(qiáng)圖像樣本和第二未標(biāo)注混合增強(qiáng)圖像樣本；

6.根據(jù)權(quán)利要求5所述的方法，其中，所述對所述第一未標(biāo)注混合增強(qiáng)圖像樣本進(jìn)行特征提取，得到所述第一未標(biāo)注混合增強(qiáng)圖像樣本的第一檢測結(jié)果，包括：

7.根據(jù)權(quán)利要求1所述的方法，其中，所述根據(jù)與當(dāng)前輪迭代對應(yīng)的所述學(xué)生網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)，得到與下一輪迭代對應(yīng)的所述教師網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)，包括：

8.一種目標(biāo)檢測方法，包括：

9.一種目標(biāo)檢測模型訓(xùn)練裝置，包括：

10.一種目標(biāo)檢測裝置，包括：

11.一種電子設(shè)備，包括：

12.一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有可執(zhí)行指令，該指令被處理器執(zhí)行時(shí)使處理器實(shí)現(xiàn)權(quán)利要求1至8中任一項(xiàng)所述的方法。

13.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序在被處理器執(zhí)行時(shí)實(shí)現(xiàn)根據(jù)權(quán)利要求1-8中任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本公開提供了一種訓(xùn)練方法、檢測方法、裝置、電子設(shè)備、介質(zhì)及程序產(chǎn)品，涉及計(jì)算機(jī)視覺技術(shù)領(lǐng)域及人工智能領(lǐng)域。該訓(xùn)練方法包括：對原始檢測模型執(zhí)行多輪迭代訓(xùn)練，直至滿足預(yù)定迭代條件，其中，原始檢測模型包括教師網(wǎng)絡(luò)和學(xué)生網(wǎng)絡(luò)；將滿足預(yù)定迭代條件的學(xué)生網(wǎng)絡(luò)確定為目標(biāo)檢測模型。

技術(shù)研發(fā)人員：劉亞婧
受保護(hù)的技術(shù)使用者：京東鯤鵬（江蘇）科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19