技术特征：
1.一种目标检测网络训练方法，其特征在于，包括：获取目标检测网络的当前网络参数；其中，所述当前网络参数为浮点型；基于预设正切函数，对所述当前网络参数进行量化，以更新所述目标检测网络；根据样本图像和样本标签训练更新后的目标检测网络，以调整更新前的目标检测网络的当前网络参数。2.根据权利要求1所述的方法，其特征在于，所述当前网络参数包括权重参数和所述权重参数对应的权重偏移参数；所述基于预设正切函数，对所述当前网络参数进行量化，以更新所述目标检测网络，包括：根据所述权重参数和所述权重参数对应的权重偏移参数的差值，确定权重偏移量；根据所述权重偏移量和预设放大系数，确定权重量化结果；采用所述权重量化结果替换所述目标检测网络中相应的权重参数，以更新所述目标检测网络。3.根据权利要求2所述的方法，其特征在于，所述预设放大系数随着训练次数的增加而增大。4.根据权利要求3所述的方法，其特征在于，不同训练次数所采用的预设放大系数底数相同且大于1，指数随着训练次数的增加而增大。5.根据权利要求1-4任一项所述的方法，其特征在于，所述根据样本图像和样本标签训练更新后的目标检测网络，以调整更新前的目标检测网络的当前网络参数，包括：将所述样本图像输入至更新后的目标检测网络，得到样本预测结果；根据所述样本预测结果和所述样本标签，确定目标损失；确定更新前的目标检测网络的当前网络参数在目标反向传播函数下的反向传播结果；其中，所述目标反向传播函数为所述预设正切函数的导数函数；根据所述目标损失和所述反向传播结果，调整更新前的目标检测网络的当前网络参数。6.根据权利要求5所述的方法，其特征在于，所述根据所述样本预测结果和所述样本标签，确定目标损失，包括：根据所述样本预测结果和所述样本标签，确定初始损失；根据更新前的目标检测网络的当前网络参数，确定各层当前网络参数对应的尺度因子；根据各层当前网络参数与相应尺度因子的距离，确定正则损失；根据所述初始损失和所述正则损失，确定所述目标损失。7.根据权利要求6所述的方法，其特征在于，所述根据更新前的目标检测网络的当前网络参数，确定各层当前网络参数对应的尺度因子，包括：针对更新前的目标检测网络中的各层当前网络参数，确定该层当前网络参数的中值；将中值确定结果作为该层当前网络参数对应的尺度因子。8.一种目标检测网络训练装置，其特征在于，包括：当前网络参数获取模块，用于获取目标检测网络的当前网络参数；其中，所述当前网络参数为浮点型；
目标检测网络更新模块，用于基于预设正切函数，对所述当前网络参数进行量化，以更新所述目标检测网络；当前网络参数调整模块，用于根据样本图像和样本标签训练更新后的目标检测网络，以调整更新前的目标检测网络的当前网络参数。9.一种电子设备，其特征在于，所述电子设备包括：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计算机程序，所述计算机程序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1-7中任一项所述的目标检测网络训练方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的目标检测网络训练方法。
技术总结
本发明公开了一种目标检测网络训练方法、装置、设备及存储介质。该方法包括：获取目标检测网络的当前网络参数；其中，所述当前网络参数为浮点型；基于预设正切函数，对所述当前网络参数进行量化，以更新所述目标检测网络；根据样本图像和样本标签训练更新后的目标检测网络，以调整更新前的目标检测网络的当前网络参数。本申请实施例提高了二值化训练得到的目标检测网络中网络参数的量化精度。标检测网络中网络参数的量化精度。标检测网络中网络参数的量化精度。
技术研发人员：王祎男 关瀛洲 王相玲 曹容川 魏源伯 付仁涛
受保护的技术使用者：中国第一汽车股份有限公司
技术研发日：2022.03.16
技术公布日：2022/6/10