申请/专利权人：清华大学苏州汽车研究院(相城)

申请日：2024-04-01

公开（公告）日：2024-06-14

公开（公告）号：CN117974991B

主分类号：G06V10/25

分类号：G06V10/25;G06V10/82;G06V20/58;G06N3/096;G06N3/084;G06N3/0455;G06N3/0464;G06N3/0495

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2024.05.21#实质审查的生效;2024.05.03#公开

摘要：本发明提供一种目标检测模型的生成方法、目标检测方法及其装置，该生成方法包括：获取用于交通信号灯检测的第一数据集，以及用于车辆检测的第二数据集；生成基于YOLO模型的第一教师模型和第二教师模型，并使用第一、第二数据集分别对第一、第二教师模型进行训练，并生成学生模型；之后，对第一教师模型和第二教师模型B的信息融合；之后，加入一个自编码器来实现特征图压缩的功能，从而实现保留关键信息的同时缩减模型体积，也缩减了模型的参数规模；之后，使用知识蒸馏将第一、第二教师模型蒸馏到学生模型中。从而实现了一个能够识别交通信号灯和车辆的模型，而且，在保证检测准确的前提下，缩小模型规模以提高运行效率。

主权项：1.一种目标检测模型的生成方法，其特征在于，包括以下步骤：获取用于交通信号灯检测的第一数据集，以及用于车辆检测的第二数据集；生成基于YOLO模型的第一教师模型A，并使用第一数据集对第一教师模型A进行训练；生成基于YOLO模型的第二教师模型B，并使用第二数据集对第二教师模型B进行训练；生成学生模型S，第一、第二教师模型和学生模型S具有相同的层数Num，其中，Num为自然数，Num2；第一教师模型A执行个检测任务，第二教师模型B执行个检测任务，其中，和均为自然数；i的初始值为1，持续执行操作，直至iNum；所述操作具体包括：，为第一教师模型A的第i层的特征图，为第二教师模型B的第i层的特征图，为学生模型S的第i层的特征图，是合并操作；在学生模型S中添加编码器，所述编码器用于将高维的输入F1变成低纬的隐变量F2，解码器用于把隐变量F2还原为初始的高维变量，解码得到的结果为，编码器，解码器为，其中，为二维卷积操作,卷积核为1,1；为二维反卷积操作，反卷积核大小为1,1；为池化函数，为上采样函数；编码器的编码过程的优化目标函数以及解码器的解码过程的优化目标函数均为，为距离函数；学生模型S的第j层的输出，其中，为激活函数，其中，为学生模型S的第j层的特征图；学生模型S的第j层的损失函数，其中，j为自然数，j=1，2，...，Num；持续使用随机梯度下降SGD来更新学生模型S的参数，直至损失收敛；对所述学生模型S执行自蒸馏处理。

全文数据：

权利要求：

百度查询： 清华大学苏州汽车研究院(相城) 目标检测模型的生成方法、目标检测方法及其装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD