一种基于回归增强的域自适应目标检测方法及系统

摘要文本

本发明涉及一种基于回归增强的域自适应目标检测方法及系统，所述方法包括：获取源域数据集；将源域数据集输入至学生模型，并对所述源域数据集进行强弱增强，生成增强数据；对所述增强数据进行特征提取，生成初始特征；将所述初始特征输入至RPN进行分类和回归，生成粗定位框和回归输出值；对所述粗定位框进行动态标签分配，筛选粗定位框正样本；对所述粗定位框正样本进行回归损失计算，生成计算结果；根据所述计算结果进行目标检测，生成检测结果。通过动态标签分配替代固定的标签分配策略，本申请在RPN中引入了任务对齐头，以促使模型做出更一致的预测，进而使得模型在预测和推理时通过分类分数保留高质量的检测框。