技术特征：
1.一种目标物的检测方法，其特征在于，包括：将获取的待检测图像分别输入预先训练的父模型和预先训练的子模型中进行特征提取，所述父模型与所述子模型的特征提取能力的差异在预设范围内，且所述父模型的特征提取能力高于所述子模型的特征提取能力；从所述父模型中获取n个第一特征图，从所述子模型中获取n个第二特征图，其中，n为大于零的整数；对所述n个第一特征图和所述n个第二特征图进行比对，得到所述n个第二特征图与所述n个第一特征图的特征差异信息；对所述特征差异信息进行反向传播处理，得到所述待检测图像的梯度信息；基于所述梯度信息，检测所述待检测图像中的目标物信息。2.如权利要求1所述的方法，其特征在于，当n大于1时，对所述n个第一特征图和所述n个第二特征图进行比对，得到所述n个第二特征图与所述n个第一特征图的特征差异信息，包括：确定每个第二特征图对匹配的第一特征图在特征表达上的第一损失值，其中，所述匹配是指所述第二特征图与所述第一特征图的特征提取次序匹配；将各第一损失值之和，确定为所述n个第二特征图与所述n个第一特征图的特征差异信息。3.如权利要求1所述的方法，其特征在于，基于所述梯度信息，检测所述待检测图像中的目标物信息，包括：若确定所述梯度信息表示的梯度大于预设值，则基于所述梯度信息，确定所述待检测图像中目标物的位置区域和/或显著图。4.如权利要求3所述的方法，其特征在于，基于所述梯度信息，确定所述待检测图像中目标物的位置区域和/或显著图，包括：基于所述梯度信息，生成梯度图像；对所述梯度图像进行滤波处理；基于滤波处理后所述梯度图像中的梯度信息，确定所述位置区域和/或所述显著图。5.如权利要求1所述的方法，其特征在于，根据以下步骤训练所述子模型：获取正样本图像，所述正样本图像不包含目标物；将所述正样本图像输入所述父模型，得到第一提取结果，将所述正样本图像输入待训练的初始子模型，得到第二提取结果；基于所述第一提取结果和所述第二提取结果，确定所述初始子模型对所述父模型的第二损失值；基于所述第二损失值，采用蒸馏处理方式更新所述初始子模型的模型参数，直至确定满足预设收敛条件时，将当前的初始子模型，确定为所述子模型。6.如权利要求5所述的方法，其特征在于，所述初始子模型是对所述父模型先进行稀疏化处理再进行剪枝处理得到的。7.一种目标物的检测装置，其特征在于，包括：提取模块，用于将获取的待检测图像分别输入预先训练的父模型和预先训练的子模型中进行特征提取，所述父模型与所述子模型的特征提取能力的差异在预设范围内，且所述
父模型的特征提取能力高于所述子模型的特征提取能力；获取模块，用于从所述父模型中获取n个第一特征图，从所述子模型中获取n个第二特征图，其中，n为大于零的整数；比对模块，用于对所述n个第一特征图和所述n个第二特征图进行比对，得到所述n个第二特征图与所述n个第一特征图的特征差异信息；处理模块，用于对所述特征差异信息进行反向传播处理，得到所述待检测图像的梯度信息；检测模块，用于基于所述梯度信息，检测所述待检测图像中的目标物信息。8.如权利要求7所述的装置，其特征在于，当n大于1时，所述比对模块，具体用于：确定每个第二特征图对匹配的第一特征图在特征表达上的第一损失值，其中，所述匹配是指所述第二特征图与所述第一特征图的特征提取次序匹配；将各第一损失值之和，确定为所述n个第二特征图与所述n个第一特征图的特征差异信息。9.一种电子设备，其特征在于，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如权利要求1-6任一所述的方法。10.一种存储介质，其特征在于，当所述存储介质中的计算机程序由电子设备的处理器执行时，所述电子设备能够执行如权利要求1-6任一所述的方法。
技术总结
本申请公开一种目标物的检测方法、装置、电子设备及存储介质，属于图像处理技术领域，该方法包括：将获取的待检测图像分别输入预先训练的父模型和预先训练的子模型中进行特征提取，从父模型中获取N个第一特征图，从子模型中获取N个第二特征图，对N个第一特征图和N个第二特征图进行比对，将得到的特征差异信息进行反向传播处理，得到待检测图像的梯度信息，基于梯度信息，检测待检测图像中的目标物信息。这样，根据N个第一特征图与N个第二特征图的差异，可反映出父模型和子模型在检测目标物时的差异，基于该差异确定待检测图像中的目标物信息，不需去覆盖到所有目标物的图像样本，即可比较准确地对目标物进行检测，降低误检率。率。率。
技术研发人员：李文成 简铮 李煜 陈岩 樊庆宇 王军鹏
受保护的技术使用者：天翼云科技有限公司
技术研发日：2022.07.21
技术公布日：2022/11/1