模型的训练方法、装置、设备、存储介质及图像检测方法与流程

技术特征：
1.一种模型的训练方法，包括：将第一输入对象输入预先训练的教师网络，得到第一预测框；以及，将第二输入对象输入待训练的学生网络，得到第二预测框；根据所述第一预测框和所述第二预测框之间的差异，调整所述学生网络的参数，得到目标检测模型；其中，所述目标检测模型用于识别待检测图像中的3d物体信息。2.根据权利要求1所述的方法，其中，所述第一预测框和所述第二预测框之间的差异包括交并比，所述第二预测框为多个；根据所述第一预测框和所述第二预测框之间的差异，调整所述学生网络的参数，包括：根据各所述第二预测框与对应的第一预测框之间的交并比，从多个所述第二预测框中确定出至少一个相似预测框；其中，所述相似预测框与对应的第一预测框之间的交并比大于交并比阈值；根据各所述相似预测框对应的交并比，按照从大到小的顺序依次调整所述学生网络的参数。3.根据权利要求1所述的方法，其中，根据所述第一预测框和所述第二预测框之间的差异，调整所述学生网络的模型参数之前，还包括：利用所述教师网络的特征提取层提取所述第一输入对象的第一特征；以及，在将所述第二输入对象输入待训练的学生网络之后，还包括：利用所述学生网络的特征提取层提取所述第二输入对象的第二特征；根据所述第一特征和所述第二特征之间的差异，调整所述学生网络的特征提取层的参数。4.根据权利要求3所述的方法，其中，所述第一特征和所述第二特征之间的差异包括余弦距离。5.根据权利要求1至4任一项所述的方法，其中，所述第一输入对象为样本图像的深度图；所述第二输入对象为所述样本图像的rgb图。6.一种图像的检测方法，包括：将待检测图像输入目标检测模型；接收所述目标检测模型输出的所述待检测图像中的3d物体信息；其中，所述目标检测模型采用根据权利要求1至5任一项所述的模型训练方法得到。7.根据权利要求6所述的方法，其中，所述3d物体信息包括分类信息、位置信息、尺寸信息以及角度信息中的至少一项。8.一种模型的训练装置，包括：第一预测框获取模块，用于将第一输入对象输入预先训练的教师网络，得到第一预测框；第二预测框获取模块，用于将第二输入对象输入待训练的学生网络，得到第二预测框；参数调整模块，用于根据所述第一预测框和所述第二预测框之间的差异，调整所述学生网络的参数，得到目标检测模型；其中，所述目标检测模型用于识别待检测图像中的3d物体信息。9.根据权利要求8所述的装置，其中，所述第一预测框和所述第二预测框之间的差异包
括交并比，所述第二预测框为多个；所述参数调整模块包括：相似预测框确定单元，根据各所述第二预测框与对应的第一预测框之间的交并比，从多个所述第二预测框中确定出至少一个相似预测框；其中，所述相似预测框与对应的第一预测框之间的交并比大于交并比阈值；参数调整单元，用于根据各所述相似预测框对应的交并比，按照从大到小的顺序依次调整所述学生网络的参数。10.根据权利要求8所述的装置，还包括：第一特征提取模块，用于利用所述教师网络的特征提取层提取所述第一输入对象的第一特征；第二特征提取模块，用于利用所述学生网络的特征提取层提取所述第二输入对象的第二特征；特征提取层参数调整模块，用于根据所述第一特征和所述第二特征之间的差异，调整所述学生网络的特征提取层的参数。11.根据权利要求10所述的装置，其中，所述第一特征和所述第二特征之间的差异包括余弦距离。12.根据权利要求8至11任一项所述的装置，其中，所述第一输入对象为样本图像的深度图；所述第二输入对象为所述样本图像的rgb图。13.一种图像的检测装置，包括：输入模块，用于将待检测图像输入目标检测模型；接收模块，用于接收所述目标检测模型输出的所述待检测图像中的3d物体信息；其中，所述目标检测模型采用根据权利要求8至12任一项所述的模型的训练装置得到。14.根据权利要求13所述的装置，其中，所述3d物体信息包括分类信息、位置信息、尺寸信息以及角度信息中的至少一项。15.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至7中任一项所述的方法。16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。

技术总结
本公开提供了模型的训练方法、装置、设备、存储介质及图像检测方法，涉及人工智能领域，具体涉及计算机视觉和深度学习领域，可应用于智能机器人和自动驾驶场景下。具体实现方案为：将第一输入对象输入预先训练的教师网络，得到第一预测框；以及，将第二输入对象输入待训练的学生网络，得到第二预测框；根据第一预测框和第二预测框之间的差异，调整学生网络的参数，得到目标检测模型；其中，目标检测模型用于识别待检测图像中的3D物体信息。根据本公开的技术，可以有效的利用蒸馏机制，将简单的学生网络训练为具备检测图像中3D物体信息的目标检测网络，且目标检测网络具备跟复杂的教师网络相似的检测精度，减少了部署成本、提高了部署效率。部署效率。部署效率。


技术研发人员：邹智康 叶晓青 鞠波 孙昊
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：2021.09.29
技术公布日：2022/1/10