CN115147831A - 三维目标检测模型的训练方法和装置 - Google Patents
三维目标检测模型的训练方法和装置 Download PDFInfo
- Publication number
- CN115147831A CN115147831A CN202210769319.5A CN202210769319A CN115147831A CN 115147831 A CN115147831 A CN 115147831A CN 202210769319 A CN202210769319 A CN 202210769319A CN 115147831 A CN115147831 A CN 115147831A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- model
- loss
- value
- student model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了三维目标检测模型的训练方法和装置,涉及人工智能技术领域,具体涉及图像处理、深度学习和计算机视觉技术领域,尤其涉及3D视觉、虚拟现实、自动驾驶等场景。具体实施方式包括:将点云分别输入教师模型和学生模型进行三维特征提取,将从教师模型输出的三维特征作为三维特征真值,将从学生模型输出的三维特征作为三维特征预测值,其中,教师模型和学生模型为三维目标检测模型;确定三维特征预测值和三维特征真值之间的蒸馏损失,将该蒸馏损失作为第一蒸馏损失;基于第一蒸馏损失,训练学生模型,得到训练后的学生模型。本公开可以提供了一种对三维目标检测模型的新训练方法,有助于提高模型的检测精度。
Description
技术领域
本公开涉及涉及人工智能技术领域,具体涉及图像处理、深度学习和计算机视觉技术领域,尤其涉及3D视觉、虚拟现实、自动驾驶等场景。
背景技术
激光雷达在自动驾驶系统中起着关键的作用,利用激光雷达,自动驾驶系统可以准确地对车辆所处环境做实时3D建模,特别是在一些基于相机的视觉感知系统失效的场景下,如:大雾,夜晚,白车等;激光雷达可以有效提升自动驾驶系统的安全性。
在相关技术中,感知某个3D目标在激光雷达点云坐标系中的位置等信息的任务,可以称之为雷达点云3D目标检测任务。
发明内容
提供了一种三维目标检测模型的训练方法、装置、电子设备以及存储介质。
根据第一方面,提供了一种三维目标检测模型的训练方法,包括:将点云分别输入教师模型和学生模型进行三维特征提取,将从教师模型输出的三维特征作为三维特征真值,将从学生模型输出的三维特征作为三维特征预测值,其中,教师模型和学生模型为三维目标检测模型;确定三维特征预测值和三维特征真值之间的蒸馏损失,将该蒸馏损失作为第一蒸馏损失;基于第一蒸馏损失,训练学生模型,得到训练后的学生模型。
根据第二方面,提供了一种三维目标检测模型的训练装置,包括:将点云分别输入教师模型和学生模型进行三维特征提取,将从教师模型输出的三维特征作为三维特征真值,将从学生模型输出的三维特征作为三维特征预测值,其中,教师模型和学生模型为三维目标检测模型;确定三维特征预测值和三维特征真值之间的蒸馏损失,将该蒸馏损失作为第一蒸馏损失;基于第一蒸馏损失,训练学生模型,得到训练后的学生模型。
根据第三方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行三维目标检测模型的训练方法中任一实施例的方法。
根据第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行根据三维目标检测模型的训练方法中任一实施例的方法。
根据第五方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现根据三维目标检测模型的训练方法中任一实施例的方法。
根据本公开的方案,可以提供了一种对三维目标检测模型的新训练方法,有助于提高模型的检测精度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开一些实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的三维目标检测模型的训练方法的一个实施例的流程图;
图3是根据本公开的三维目标检测模型的训练方法的又一个实施例的流程图;
图4是根据本公开的三维目标检测模型的训练方法的又一个实施例的流程图;
图5是根据本公开的三维目标检测模型的训练装置的一个实施例的结构示意图;
图6是用来实现本公开实施例的三维目标检测模型的训练方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的三维目标检测模型的训练方法或三维目标检测模型的训练装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如视频类应用、直播应用、即时通信工具、邮箱客户端、社交平台软件等。
这里的终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103提供支持的后台服务器。后台服务器可以对接收到的教师模型和待训练的学生模型等数据进行分析等处理,并将处理结果(例如训练后的学生模型)反馈给终端设备。
需要说明的是,本公开实施例所提供的三维目标检测模型的训练方法可以由服务器105或者终端设备101、102、103执行,相应地,三维目标检测模型的训练装置可以设置于服务器105或者终端设备101、102、103中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本公开的三维目标检测模型的训练方法的一个实施例的流程200。该三维目标检测模型的训练方法,包括以下步骤:
步骤201,将点云分别输入教师模型和学生模型进行三维特征提取,将从教师模型输出的三维特征作为三维特征真值,将从学生模型输出的三维特征作为三维特征预测值,其中,教师模型和学生模型为三维目标检测模型。
在本实施例中,三维目标检测模型的训练方法运行于其上的执行主体(例如图1所示的服务器或终端设备)可以将雷达点云输入训练后的教师模型,得到从该教师模型输出的三维特征,可以将该三维特征作为训练时采用的真值,也即三维特征真值。并且,上述执行主体可以将该点云输入到待训练的学生模型中,得到从该学生模型输出的三维特征,可以将该三维特征作为三维特征预测值。
在实践中,目标检测模型可以是各种可以检测三维目标的神经网络模型,比如卷积神经网络模型,或者循环神经网络。
教师模型和学生模型都用于检测三维目标在激光雷达点云坐标系中的信息,比如信息可以包括空间位置(x,y,z)。
步骤202,确定三维特征预测值和三维特征真值之间的蒸馏损失,将该蒸馏损失作为第一蒸馏损失。
在本实施例中,上述执行主体可以采用确定蒸馏损失的预设损失函数,确定学生模型输出的三维特征预测值与教师模型输出的三维特征真值之间的蒸馏损失。上述执行主体可以将该蒸馏损失作为第一蒸馏损失。
步骤203,基于第一蒸馏损失,训练学生模型,得到训练后的学生模型。
在本实施例中,上述执行主体可以采用各种方式,基于第一蒸馏损失,训练学生模型,从而得到训练后的学生模型。比如,上述执行主体可以确定第一蒸馏损失作为学生模型的总损失,或者上述执行主体可以确定该第一蒸馏损失和学生模型的检测结果对应的预测损失两者的和,并将该和作为总损失。之后,上述执行主体可以利用该总损失在学生模型中反向传播以进行训练。
本公开的上述实施例提供的方法提供了一种对三维目标检测模型的新训练方法,利用点云的中间特征来确定损失,可以加快模型的收敛速度,并有助于提高模型的检测精度。
在本公开任一实施例的一些可选的实现方式中,教师模型包含的权重参数数量多于学生模型包含的权重参数数量;训练学生模型,包括:更新学生模型的权重参数,以使学生模型收敛。
在这些实现方式中,教师模型的权重参数的数量多于学生模型的权重参数的数量。在对学生模型训练前,训练后的教师模型的检测精度,远大于该学生模型的检测精度。而在对学生模型训练后,学生模型的检测精度略小于教师模型的检测精度(两个模型的精度差小于预设阈值),或者,学生模型的检测精度等同于教师模型的检测精度。
上述执行主体可以通过在训练中更新学生模型的权重参数,让体量小的学生模型快速收敛。
进一步参考图3,其示出了三维目标检测模型的训练方法的又一个实施例的流程300。该流程300,包括以下步骤:
步骤301,将点云分别输入教师模型和学生模型进行三维特征提取,将从教师模型输出的三维特征作为三维特征真值,将从学生模型输出的三维特征作为三维特征预测值,其中,教师模型和学生模型为三维目标检测模型。
步骤302,确定三维特征预测值和三维特征真值之间的蒸馏损失,将该蒸馏损失作为第一蒸馏损失。
步骤303,利用学生模型对三维特征预测值提取二维特征,得到二维特征预测值,利用教师模型对三维特征真值提取二维特征,得到二维特征真值。
在本实施例中,三维目标检测模型的训练方法运行于其上的执行主体(例如图1所示的服务器或终端设备)可以利用学生模型对三维特征预测值提取二维特征,得到学生模型生成的二维特征预测值,利用教师模型对三维特征真值提取二维特征,得到教师模型生成的二维特征真值。
步骤304,确定二维特征预测值和二维特征真值之间的蒸馏损失,将该蒸馏损失作为第二蒸馏损失。
在本实施例中,上述执行主体可以利用预先确定的蒸馏损失函数,确定二维特征预测值和二维特征真值之间的蒸馏损失,将该蒸馏损失作为第二蒸馏损失。
步骤305,基于第一蒸馏损失和第二蒸馏损失,确定学生模型的总损失,利用总损失训练学生模型,得到训练后的学生模型。
在本实施例中,上述执行主体可以基于第一蒸馏损失和第二蒸馏损失,确定用于训练学生模型的总损失。具体地,上述执行主体可以采用各种方式基于第一蒸馏损失和第二蒸馏损失,确定用于训练学生模型的总损失。举例来说,上述执行主体可以确定第一蒸馏损失和第二蒸馏损失的和作为学生模型的总损失,或者上述执行主体可以确定该第一蒸馏损失、第二蒸馏损失和学生模型的检测结果对应的预测损失三者的和,并将该和作为总损失。在确定总损失之后,上述执行主体可以利用该总损失在学生模型中反向传播以进行训练。
这些实现方式可以利用三维特征的蒸馏损失和二维特征的蒸馏损失,共同训练学生模型,从而有助于通过各种中间特征,提高模型的检测精度。
在这些实现方式的一些可选的应用场景中,三维目标检测模型还包括检测头;方法还包括:将二维特征预测值输入检测头,得到点云中三维目标的检测结果的预测值,其中,所述检测结果包括位置、大小、姿态或类别。
在这些可选的应用场景中,上述执行主体可以将学生模型对应的二维特征预测值输入到检测头中,从而得到学生模型的检测结果。本公开中检测头的输出可以包括三维目标的位置、大小比如长、宽、高,此外,还可以包括姿态和类别。这里的姿态可以表示为航向角,类别比如可以是行人、车辆。
检测头是学生模型中的一个处理层(layer),用于对点云的二维特征进行处理,从而得到学生模型的输出,也即检测结果。例如,检测头可以是一个卷积核core比如1×1的卷积核,或者,检测头还可以是多层感知机(MLP,Multilayer Perception)。
这些应用场景可以通过检测头,准确地得到学生模型的各种预测结果。
可选地,方法还包括:将二维特征真值输入检测头,得到点云中三维目标的检测结果的真值;确定检测结果的预测值与检测结果的真值之间的损失,将该损失作为预测损失;基于第一蒸馏损失和第二蒸馏损失,确定学生模型的总损失,包括:确定第一蒸馏损失、第二蒸馏损失和预测损失的和,根据和,确定总损失。
具体地,上述执行主体可以将教师模型输出的二维特征真值,输入到检测头中,得到从检测头输出的检测结果,并将该检测结果作为检测结果的真值。上述执行主体可以利用该真值,确定出学生模型输出的检测结果的预测损失。
之后,上述执行主体可以采用各种方式,根据第一蒸馏损失、第二蒸馏损失和预测损失的和,确定总损失。举例来说,上述执行主体可以直接将第一蒸馏损失、第二蒸馏损失和预测损失的和,确定为总损失。或者,上述执行主体可以对该和进行预设处理,并将预设处理结果作为总损失。这里的预设处理可以是将该和输入预先设置的公式或模型,该公式或模型用于确定总损失。
这些应用场景可以利用不同中间特征的损失以及检测结果的损失,全面的生成总损失,利用该总损失进行训练有助于训练得到准确的模型。
在这些实现方式的一些可选的应用场景中,上述步骤303可以包括:将对三维特征预测值和三维特征真值转换到鸟瞰视角下,得到三维特征预测值和三维特征真值分别对应的二维特征。
在这些应用场景中,上述执行主体可以将对三维特征转换到鸟瞰视角(bird eyeview)下,从而得到二维特征。具体地,上述执行主体可以分别利用学生模型和教师模型,将上述的三维特征预测值和三维特征真值转换到鸟瞰视角下,得到三维特征预测值和三维特征真值两者分别对应的二维特征。
这些应用场景可以通过转换到鸟瞰视角下,准确地将三维特征转换到二维特征。
继续参见图4,图4是根据本实施例的三维目标检测模型的训练方法的又一个实施例的流程图。在图4的应用场景中,执行主体可以将点云分别输入教师模型和学生模型中,首先进行3D特征提取,得到这两个模型输出的3D特征也即三维特征,之后利用3D特征计算蒸馏损失。之后,执行主体可以利用这两个模型,对3D特征进行2D特征提取,得到2D特征也即二维特征。上述执行主体可以将由学生模型和教师模型生成的2D特征,分别输入到检测头中,得到检测结果。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种三维目标检测模型的训练装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,除下面所记载的特征外,该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征或效果。该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的三维目标检测模型的训练装置500包括:提取单元501、确定单元502和训练单元503。其中,提取单元501,被配置成将点云分别输入教师模型和学生模型进行三维特征提取,将从教师模型输出的三维特征作为三维特征真值,将从学生模型输出的三维特征作为三维特征预测值,其中,教师模型和学生模型为三维目标检测模型;确定单元502,被配置成确定三维特征预测值和三维特征真值之间的蒸馏损失,将该蒸馏损失作为第一蒸馏损失;训练单元503,被配置成基于第一蒸馏损失,训练学生模型,得到训练后的学生模型。
在本实施例中,三维目标检测模型的训练装置500的提取单元501、确定单元502和训练单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202和步骤203的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,二维确定单元,被配置成利用学生模型对三维特征预测值提取二维特征,得到二维特征预测值,利用教师模型对三维特征真值提取二维特征,得到二维特征真值;损失确定单元,被配置成确定二维特征预测值和二维特征真值之间的蒸馏损失,将该蒸馏损失作为第二蒸馏损失;训练单元,进一步被配置成按照如下方式执行基于第一蒸馏损失,训练学生模型:基于第一蒸馏损失和第二蒸馏损失,确定学生模型的总损失,利用总损失训练学生模型。
在本实施例的一些可选的实现方式中,三维目标检测模型还包括检测头;装置还包括:第一预测单元,被配置成将二维特征预测值输入检测头,得到点云中三维目标的检测结果的预测值,其中,所述检测结果包括位置、大小、姿态或类别。
在本实施例的一些可选的实现方式中,装置还包括:第二预测单元,被配置成将二维特征真值输入检测头,得到点云中三维目标的检测结果的真值;损失单元,被配置成确定检测结果的预测值与检测结果的真值之间的损失,将该损失作为预测损失;训练单元,进一步被配置成按照如下方式执行基于第一蒸馏损失和第二蒸馏损失,确定学生模型的总损失:确定第一蒸馏损失、第二蒸馏损失和预测损失的和,根据和,确定总损失。
在本实施例的一些可选的实现方式中,二维确定单元,进一步被配置成按照如下方式执行利用学生模型对三维特征预测值提取二维特征,得到二维特征预测值,利用教师模型对三维特征真值提取二维特征,得到二维特征真值,包括:利用学生模型将三维特征预测值转换到鸟瞰视角,得到二维特征预测值,利用教师模型将三维特征真值转换到鸟瞰视角,得到二维特征真值。
在本实施例的一些可选的实现方式中,教师模型包含的权重参数数量多于学生模型包含的权重参数数量;训练单元,进一步被配置成按照如下方式执行训练学生模型:更新学生模型的权重参数,以使学生模型收敛。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学生模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如三维目标检测模型的训练方法。例如,在一些实施例中,三维目标检测模型的训练方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的三维目标检测模型的训练方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行三维目标检测模型的训练方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种三维目标检测模型的训练方法,所述方法包括:
将点云分别输入教师模型和学生模型进行三维特征提取,将从所述教师模型输出的三维特征作为三维特征真值,将从所述学生模型输出的三维特征作为三维特征预测值,其中,所述教师模型和所述学生模型为三维目标检测模型;
确定所述三维特征预测值和所述三维特征真值之间的蒸馏损失,将该蒸馏损失作为第一蒸馏损失;
基于所述第一蒸馏损失,训练所述学生模型,得到训练后的学生模型。
2.根据权利要求1所述的方法,其中,所述方法还包括:
利用所述学生模型对所述三维特征预测值提取二维特征,得到二维特征预测值,利用所述教师模型对所述三维特征真值提取二维特征,得到二维特征真值;
确定所述二维特征预测值和所述二维特征真值之间的蒸馏损失,将该蒸馏损失作为第二蒸馏损失;
所述基于所述第一蒸馏损失,训练所述学生模型,包括:
基于所述第一蒸馏损失和所述第二蒸馏损失,确定所述学生模型的总损失,利用所述总损失训练所述学生模型。
3.根据权利要求2所述的方法,其中,所述三维目标检测模型还包括检测头;
所述方法还包括:
将所述二维特征预测值输入检测头,得到所述点云中三维目标的检测结果的预测值,其中,所述检测结果包括位置、大小、姿态或类别。
4.根据权利要求3所述的方法,其中,所述方法还包括:
将所述二维特征真值输入所述检测头,得到所述点云中三维目标的检测结果的真值;
确定所述检测结果的预测值与所述检测结果的真值之间的损失,将该损失作为预测损失;
所述基于所述第一蒸馏损失和所述第二蒸馏损失,确定所述学生模型的总损失,包括:
确定所述第一蒸馏损失、所述第二蒸馏损失和所述预测损失的和,根据所述和,确定所述总损失。
5.根据权利要求2所述的方法,其中,所述利用所述学生模型对所述三维特征预测值提取二维特征,得到二维特征预测值,利用所述教师模型对所述三维特征真值提取二维特征,得到二维特征真值,包括:
利用所述学生模型将所述三维特征预测值转换到鸟瞰视角,得到二维特征预测值,利用所述教师模型将所述三维特征真值转换到鸟瞰视角,得到二维特征真值。
6.根据权利要求1所述的方法,其中,所述教师模型包含的权重参数数量多于所述学生模型包含的权重参数数量;
所述训练所述学生模型,包括:
更新所述学生模型的权重参数,以使所述学生模型收敛。
7.一种三维目标检测模型的训练装置,所述装置包括:
提取单元,被配置成将点云分别输入教师模型和学生模型进行三维特征提取,将从所述教师模型输出的三维特征作为三维特征真值,将从所述学生模型输出的三维特征作为三维特征预测值,其中,所述教师模型和所述学生模型为三维目标检测模型;
确定单元,被配置成确定所述三维特征预测值和所述三维特征真值之间的蒸馏损失,将该蒸馏损失作为第一蒸馏损失;
训练单元,被配置成基于所述第一蒸馏损失,训练所述学生模型,得到训练后的学生模型。
8.根据权利要求7所述的装置,其中,所述装置还包括:
二维确定单元,被配置成利用所述学生模型对所述三维特征预测值提取二维特征,得到二维特征预测值,利用所述教师模型对所述三维特征真值提取二维特征,得到二维特征真值;
损失确定单元,被配置成确定所述二维特征预测值和所述二维特征真值之间的蒸馏损失,将该蒸馏损失作为第二蒸馏损失;
所述训练单元,进一步被配置成按照如下方式执行所述基于所述第一蒸馏损失,训练所述学生模型:
基于所述第一蒸馏损失和所述第二蒸馏损失,确定所述学生模型的总损失,利用所述总损失训练所述学生模型。
9.根据权利要求8所述的装置,其中,所述三维目标检测模型还包括检测头;
所述装置还包括:
第一预测单元,被配置成将所述二维特征预测值输入检测头,得到所述点云中三维目标的检测结果的预测值,其中,所述检测结果包括位置、大小、姿态或类别。
10.根据权利要求9所述的装置,其中,所述装置还包括:
第二预测单元,被配置成将所述二维特征真值输入所述检测头,得到所述点云中三维目标的检测结果的真值;
损失单元,被配置成确定所述检测结果的预测值与所述检测结果的真值之间的损失,将该损失作为预测损失;
所述训练单元,进一步被配置成按照如下方式执行所述基于所述第一蒸馏损失和所述第二蒸馏损失,确定所述学生模型的总损失:
确定所述第一蒸馏损失、所述第二蒸馏损失和所述预测损失的和,根据所述和,确定所述总损失。
11.根据权利要求8所述的装置,其中,所述二维确定单元,进一步被配置成按照如下方式执行所述利用所述学生模型对所述三维特征预测值提取二维特征,得到二维特征预测值,利用所述教师模型对所述三维特征真值提取二维特征,得到二维特征真值,包括:
利用所述学生模型将所述三维特征预测值转换到鸟瞰视角,得到二维特征预测值,利用所述教师模型将所述三维特征真值转换到鸟瞰视角,得到二维特征真值。
12.根据权利要求7所述的装置,其中,所述教师模型包含的权重参数数量多于所述学生模型包含的权重参数数量;
所述训练单元,进一步被配置成按照如下方式执行所述训练所述学生模型:
更新所述学生模型的权重参数,以使所述学生模型收敛。
13.一种电子设备,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1-6中任一项所述的方法。
14.一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1-6中任一项所述的方法。
15.一种计算机程序产品,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1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210769319.5A CN115147831A (zh) | 2022-06-30 | 2022-06-30 | 三维目标检测模型的训练方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210769319.5A CN115147831A (zh) | 2022-06-30 | 2022-06-30 | 三维目标检测模型的训练方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115147831A true CN115147831A (zh) | 2022-10-04 |
Family
ID=83411183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210769319.5A Pending CN115147831A (zh) | 2022-06-30 | 2022-06-30 | 三维目标检测模型的训练方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115147831A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115797736A (zh) * | 2023-01-19 | 2023-03-14 | 北京百度网讯科技有限公司 | 目标检测模型的训练和目标检测方法、装置、设备和介质 |
CN116229209A (zh) * | 2023-02-14 | 2023-06-06 | 北京百度网讯科技有限公司 | 目标模型的训练方法、目标检测方法及装置 |
-
2022
- 2022-06-30 CN CN202210769319.5A patent/CN115147831A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115797736A (zh) * | 2023-01-19 | 2023-03-14 | 北京百度网讯科技有限公司 | 目标检测模型的训练和目标检测方法、装置、设备和介质 |
CN116229209A (zh) * | 2023-02-14 | 2023-06-06 | 北京百度网讯科技有限公司 | 目标模型的训练方法、目标检测方法及装置 |
CN116229209B (zh) * | 2023-02-14 | 2023-11-07 | 北京百度网讯科技有限公司 | 目标模型的训练方法、目标检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112785625B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN113674421B (zh) | 3d目标检测方法、模型训练方法、相关装置及电子设备 | |
CN113378760A (zh) | 训练目标检测模型和检测目标的方法及装置 | |
CN115147831A (zh) | 三维目标检测模型的训练方法和装置 | |
CN112560684A (zh) | 车道线检测方法、装置、电子设备、存储介质以及车辆 | |
CN113688730A (zh) | 障碍物测距方法、装置、电子设备、存储介质及程序产品 | |
CN113205041A (zh) | 结构化信息提取方法、装置、设备和存储介质 | |
CN114140759A (zh) | 高精地图车道线位置确定方法、装置及自动驾驶车辆 | |
CN113378712A (zh) | 物体检测模型的训练方法、图像检测方法及其装置 | |
CN112580666A (zh) | 图像特征的提取方法、训练方法、装置、电子设备及介质 | |
CN114186681A (zh) | 用于生成模型簇的方法、装置及计算机程序产品 | |
CN113052962A (zh) | 模型训练、信息输出方法,装置,设备以及存储介质 | |
CN113516013B (zh) | 目标检测方法、装置、电子设备、路侧设备和云控平台 | |
CN115575931A (zh) | 标定方法、装置、电子设备及存储介质 | |
CN113920273A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN114220163A (zh) | 人体姿态估计方法、装置、电子设备及存储介质 | |
CN114119990A (zh) | 用于图像特征点匹配的方法、装置及计算机程序产品 | |
CN114429631A (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
CN114419564A (zh) | 车辆位姿检测方法、装置、设备、介质及自动驾驶车辆 | |
CN113591569A (zh) | 障碍物检测方法、装置、电子设备以及存储介质 | |
CN112630736A (zh) | 路侧雷达的参数确定方法、装置、设备及存储介质 | |
CN113239899B (zh) | 用于处理图像和生成卷积核的方法、路侧设备和云控平台 | |
CN114092874B (zh) | 目标检测模型的训练方法、目标检测方法及其相关设备 | |
CN113361379B (zh) | 生成目标检测系统和检测目标的方法及装置 | |
CN113012281B (zh) | 人体模型的确定方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |