目标检测方法、装置、设备和存储介质与流程

本申请实施例涉及计算机，尤其涉及一种目标检测方法、装置、设备和存储介质。

背景技术：

1、随着深度学习不断的发展，深度学习在图像检测领域得到了广泛的应用，例如，通过深度学习网络检测目标图像中的违禁品的类别和位置。然而，在上述深度学习网络的训练过程中，由于各类目标对象具有不同的外观、形状和姿态，加上成像时光照、遮挡等因素的干扰，导致对训练图像的标注难度较大，容易出现较多的噪声标签数据，这会对检测模型的训练造成很大的影响，导致训练后得到的检测模型的检测准确率降低。

技术实现思路

1、针对传统技术存在的技术问题，本申请实施例提供了一种目标检测方法，装置、设备和存储介质。

2、第一方面，本申请实施例提供一种目标检测方法，包括：

3、获取目标图像；

4、使用预先训练好的目标检测模型对所述目标图像中的目标对象进行检测，得到对应的检测结果；

5、其中，所述目标检测模型是通过教师模型和学生模型共同对训练图像对应的标签数据进行去噪，并基于所述教师模型、所述训练图像以及去噪后的标签数据对所述学生模型进行训练得到的。

6、第二方面，本申请实施例提供一种目标检测装置，包括：

7、获取模块，用于获取目标图像；

8、处理模块，用于使用预先训练好的目标检测模型对所述目标图像中的目标对象进行检测，得到对应的检测结果；

9、其中，所述目标检测模型是通过教师模型和学生模型共同对训练图像对应的标签数据进行去噪，并基于所述教师模型、所述训练图像以及去噪后的标签数据对所述学生模型进行训练得到的。

10、第三方面，本申请实施例提供一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行时，使得所述处理器实现如本申请实施例第一方面提供的所述目标检测方法的步骤。

11、第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例第一方面提供的所述目标检测方法的步骤。

12、本申请实施例提供的技术方案，在获取到目标图像之后，使用预先训练好的目标检测模型对目标图像中的目标对象进行检测，得到对应的检测结果；其中，上述目标检测模型是通过教师模型和学生模型共同对训练图像对应的标签数据进行去噪，并基于教师模型、训练图像以及去噪后的标签数据对学生模型进行训练得到的。也就是说，在教师模型和学生模型的共同作用下对标定的标签数据进行去噪，降低标签数据中噪声对目标检测模型的影响，从而提高目标检测模型的预测精度，进而提高图像检测结果的准确性。

技术特征：

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，在所述获取目标图像之前，还包括：

3.根据权利要求2所述的方法，其特征在于，所述第一检测结果集合中各检测结果的可靠因子的确定过程，包括：

4.根据权利要求2所述的方法，其特征在于，所述根据第三检测结果集合与训练图像对应的标签数据之间的交并比、所述第三检测结果集合中各检测结果的可靠因子，以及所述第三检测结果集合对应的原始损失值，确定所述第三检测结果集合对应的第一损失值，包括：

5.根据权利要求4所述的方法，其特征在于，还包括：

6.根据权利要求4所述的方法，其特征在于，还包括：

7.根据权利要求6所述的方法，其特征在于，还包括：

8.一种目标检测装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至7中任一所述方法的步骤。

技术总结
本申请提供了一种目标检测方法，装置、设备和存储介质。该方法包括：获取目标图像；使用预先训练好的目标检测模型对所述目标图像中的目标对象进行检测，得到对应的检测结果；其中，所述目标检测模型是通过教师模型和学生模型共同对训练图像对应的标签数据进行去噪，并基于所述教师模型、所述训练图像以及去噪后的标签数据对所述学生模型进行训练得到的。也就是说，在教师模型和学生模型的共同作用下对标定的标签数据进行去噪，降低标签数据中噪声对目标检测模型的影响，从而提高目标检测模型的预测精度，进而提高图像检测结果的准确性。

技术研发人员：李林超,权家新,周凯,温婷
受保护的技术使用者：浙江啄云智能科技有限公司
技术研发日：
技术公布日：2024/1/13