(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210821507.8 (22)申请日 2022.07.12 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 鞠波　叶晓青　谭啸　 (74)专利代理 机构 北京市汉坤律师事务所 11602 专利代理师 姜浩然　吴丽丽 (51)Int.Cl. G06V 10/44(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 目标识别方法、 目标识别模 型的训练方法及 装置 (57)摘要 本公开提供了一种目标识别的方法、 目标识 别模型的训练方法、 装置、 电子设备、 计算机 可读 存储介质和计算机程序产品， 涉及人工智能领 域， 尤其涉及图像处理、 计算机视觉和深度学习 技术领域， 可应用于3D视觉、 虚拟现实等场景。 方 案为： 初始化待训练的学生模型并确定经训练的 教师模型； 获取样本数据以及所对应的标签数 据， 标签数据用于标记样本数据中所对应的待识 别目标所在区域的位置； 将样 本数据分别输入学 生模型和教师模 型， 获得学生模 型输出的第一特 征图和目标识别结果、 教师模型输出的第二特征 图； 基于第一和第二特征图和标签数据确定蒸馏 损失值； 基于蒸馏损失值和所确定的目标识别损 失值， 调节学生模型的参数值。 权利要求书4页 说明书10页 附图6页 CN 115019060 A 2022.09.06 CN 115019060 A 1.一种目标识别网络模型的训练方法， 包括： 初始化待训练的学生模型， 所述学生模型包括第一特 征提取网络和检测头网络； 获取样本数据以及所述样本数据所对应的标签数据， 其中所述标签数据用于标记所述 样本数据中所对应的待识别目标 所在区域的位置； 确定经训练的教师模型， 所述教师模型包括第二特 征提取网络； 将所述样本数据分别 输入所述第 一特征提取网络和第 二特征提取网络， 以获得第 一特 征图和第二特 征图； 基于所述第一特征图、 所述第二特征图和所述标签数据， 通过预设的第一损 失函数确 定蒸馏损失值； 将所述第一特 征图输入所述第一检测头网络， 以获得目标识别结果； 基于所述目标识别结果以及所述标签数据， 通过预设的第 二损失函数确定目标识别损 失值； 以及 基于所述蒸馏损失值以及所述目标识别损失值， 调节所述第 一特征提取网络和所述检 测头网络的参数值。 2.如权利要求1所述的方法， 其中， 基于所述第一特征图、 所述第二特征图和所述标签 数据确定蒸馏损失值包括： 基于所述标签数据分别确定所述第一特征图和所述第二特征图中的前景区域， 其中， 所述前景区域对应于所述标签数据所 标记的所述待识别目标 所在区域； 以及 基于所述第 一特征图和所述第 二特征图中的前景区域所对应的特征值， 确定所述蒸馏 损失值。 3.如权利要求1所述的方法， 其中， 基于所述第一特征图、 所述第二特征图和所述标签 数据确定蒸馏损失值包括： 基于所述第一特 征图和所述第二特 征图确定蒸馏损失特 征图； 基于所述标签数据确定所述蒸馏损失特征图中的前景区域， 以基于所述前景区域确定 所述蒸馏损失值， 其中， 所述前景区域对应于所述标签数据所标记的所述待识别目标所在 区域。 4.如权利要求2所述的方法， 其中， 基于所述标签数据分别确定所述第 一特征图和所述 第二特征图中的前 景区域包括： 确定所述第一特征图和所述第二特征图中的每个格点与所述标签数据所对应区域的 重叠面积； 以及 响应于确定所述重叠面积与 该格点面积的比值大于预设阈值， 将该格点设置为前景区 域。 5.如权利要求2所述的方法， 其中， 基于所述标签数据分别确定所述第 一特征图和所述 第二特征图中的前 景区域包括： 确定所述第一特征图和所述第二特征图中的每个格点的中心点是否位于所述标签数 据所对应区域内； 以及 响应于确定该格点的中心点位于所述标签数据所对应区域内， 将该格点设置为前景区 域。 6.如权利要求3所述的方法， 其中， 基于所述标签数据确定所述蒸馏损失特征图中的前权　利　要　求　书 1/4 页 2 CN 115019060 A 2景区域包括： 确定所述蒸馏损失特 征图中的每 个格点与所述标签数据所对应区域的重 叠面积； 以及 响应于确定所述重叠面积与 该格点面积的比值大于预设阈值， 将该格点设置为前景区 域。 7.如权利要求3所述的方法， 其中， 基于所述标签数据确定所述蒸馏损失特征图中的前 景区域包括： 确定所述蒸馏损失特征图中的每个格点的中心点是否位于所述标签数据所对应区域 内； 以及 响应于确定该格点的中心点位于所述标签数据所对应区域内， 将该格点设置为前景区 域。 8.如权利要求1所述的方法， 其中， 所述样本数据包括以下项中的任意一项： 点云数据、 图像数据。 9.一种目标识别方法， 包括： 获取包括待识别目标的观测数据； 以及 将所述观测数据输入经训练的学生模型， 以获得识别结果， 其中， 所述学生模型基于 权利要求1 ‑8中任一项所述的方法训练得到 。 10.如权利要求9所述的方法， 其中， 通过位于观测车辆上或路侧设备 上的传感器获得 所述观测数据； 所述目标识别方法在计算设备中实现， 所述计算设备通过 所述传感器获取观测数据； 所述计算设备驻留在所述观测车辆上、 驻留在所述路侧设备 上或者驻留在云端。 11.一种目标识别网络模型的训练装置， 包括： 第一初始单元， 配置为初始化待训练的学生模型， 所述学生模型包括第一特征提取网 络和检测头网络； 获取单元， 配置为获取样本数据以及所述样本数据所对应的标签数据， 其中所述标签 数据用于标记所述样本数据中所对应的待识别目标 所在区域的位置； 第二初始单 元， 配置为确定经训练的教师模型， 所述教师模型包括第二特 征提取网络； 第一提取单元， 配置为将所述样本数据分别输入所述第 一特征提取网络和第 二特征提 取网络， 以获得第一特 征图和第二特 征图； 第一计算单元， 配置为基于所述第 一特征图、 所述第 二特征图和所述标签数据， 通过预 设的第一损失函数确定蒸馏损失值； 预测单元， 配置为将所述第一特 征图输入所述第一检测头网络， 以获得目标识别结果； 第二计算单元， 配置为基于所述目标识别结果以及所述标签数据， 通过预设的第二损 失函数确定目标识别损失值； 以及 更新单元， 配置为基于所述蒸馏损 失值以及所述目标识别损 失值， 调节所述第一特征 提取网络和所述检测头网络的参数值。 12.如权利要求1 1所述的装置， 其中， 所述第一计算单 元包括： 第一确定单元， 配置为基于所述标签数据分别确定所述第 一特征图和所述第 二特征图 中的前景区域， 其中， 所述前景区域对应于所述标签数据所标记的所述待识别目标所在区 域； 以及权　利　要　求　书 2/4 页 3 CN 115019060 A 3