【技术实现步骤摘要】
本专利技术涉及自动驾驶，尤其涉及一种目标检测模型的生成方法、目标检测方法及其装置。
技术介绍
1、随着科技的进步，自动驾驶得到越来越广泛的应用，自动驾驶技术一般包括以下几个方面：（1）环境感知：使用摄像头和传感器来捕获车辆周围的视觉信息，包括道路、交通信号、车辆、行人、建筑物等。这些信息帮助自动驾驶车辆理解当前行驶环境；（2）障碍物检测和跟踪：可以检测和跟踪道路上的障碍物，如其他车辆、行人或动物。这有助于规划安全的驾驶路径，并及时采取避障措施；（3）车道检测和保持：通过识别道路上的车道线，视觉感知系统可以帮助车辆保持在正确的车道内行驶，并遵循交通规则；（4）交通信号灯识别：自动驾驶车辆需要识别和理解交通信号、标志和标线，以便适时减速、停车或加速；（5）数据记录和分析：视觉感知系统记录并存储驾驶过程中的视觉数据，这对事故调查、车辆性能改进和安全验证非常重要。
2、其中，如何识别交通信号灯和车辆，就成为一个亟待解决的问题。
技术实现思路
1、本专利技术的目的在于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。
2、为了实现上述专利技术目的之一，本专利技术一实施方式提供了一种目标检测模型的生成方法、目标检测方法及其装置，具体包括：一种目标检测模型的生成方法，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
3、作为本专利技术一实施方式的进一步改进，激活函数具体为。
4、作为本专利技术一实施方式的进一步改进，距离函数具体为均方误差函数。
5、作为本专利技术一实施方式的进一步改进，所述对所述学生模型s执行自蒸馏处理具体包括：对所述学生模型s的每个自身特征f均进行特征蒸馏处理，并计相邻层的损失函数：；通过软标签计算其蒸馏损失，蒸馏损失为，其中，为带蒸馏温度系数的函数，k为蒸馏的温度系数，是模型中的参数；整体的训练损失，其中，为交叉熵损失。
6、作为本专利技术一实施方式的进一步改进，取值范围为[1,3]，取值范围为[50,150]。
7、作为本专利技术一实施方式的进一步改进，，其中，t为蒸馏的温度。
8、作为本专利技术一实施方式的进一步改进，取值范围为[0.5,1.5]。
9、本专利技术实施例还提供了一种目标检测模型的生成装置，包括以下模块：信号获取模块，用于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，num>2；合并模块，用于第一教师模型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i>num；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；修改模块，用于在学生模型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；调参模块，用于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。
10、本专利技术实施例还提供了一种目标检测方法，包括以下步骤：执行上述的生成方法，得到学生模型s；获取图像帧，对所述图像帧进行裁剪处理，对所述图像帧执行归一化处理，将所火速图像帧输入到所述学生模型s，得到检测结果。
11、本专利技术实施例还提供了一种目标检测装置，包括以下模块：模型生成模块，用于执行上述的生成方法，得到学生模型s；检测模块，用于获取图像帧，对所述图像帧进行裁剪处理，对所述图像帧执行归一化处理，将所火速图像帧输入到所述学生模型s，得到检测结果。
12、相对于现有技术，本专利技术的技术效果在于：本专利技术实施例提供了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。
本文档来自技高网...【技术保护点】
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：
2.根据权利要求1所述的生成方法，其特征在于，
3.根据权利要求1所述的生成方法，其特征在于，
4.根据权利要求1所述的生成方法，其特征在于，所述对所述学生模型S执行自蒸馏处理具体包括：
5.根据权利要求4所述的生成方法，其特征在于：
6.根据权利要求4所述的生成方法，其特征在于：
7.根据权利要求4所述的生成方法，其特征在于：
8.一种目标检测模型的生成装置，其特征在于，包括以下模块：
9.一种目标检测方法，其特征在于，包括以下步骤：
10.一种目标检测装置，其特征在于，包括以下模块：
【技术特征摘要】
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：
2.根据权利要求1所述的生成方法，其特征在于，
3.根据权利要求1所述的生成方法，其特征在于，
4.根据权利要求1所述的生成方法，其特征在于，所述对所述学生模型s执行自蒸馏处理具体包括：
5.根据权利要求4所述的生成方法，...
【专利技术属性】
技术研发人员：丁延超，魏方圆，刘玉敏，陈赛，郭俊超，
申请(专利权)人：清华大学苏州汽车研究院相城，
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。