← 返回列表
一种半监督目标检测方法
申请人信息
- 申请人:南通大学
- 申请人地址:226000 江苏省南通市崇川区永福路79号1幢南通大学技术转移研究院
- 发明人: 南通大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种半监督目标检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311395550.3 |
| 申请日 | 2023/10/26 |
| 公告号 | CN117456161A |
| 公开日 | 2024/1/26 |
| IPC主分类号 | G06V10/25 |
| 权利人 | 南通大学 |
| 发明人 | 邵叶秦; 吕昌; 王梓腾; 张若为; 冯林威 |
| 地址 | 江苏省南通市崇川区永福路79号1幢南通大学技术转移研究院 |
摘要文本
本申请公开了一种半监督目标检测方法，首先，在数据集上添加多尺度缩放数据增强；接着，针对两阶段目标检测模型FasterR‑CNN的区域候选网络RPN和区域预测头RoIHead，分别提出了一个多尺度正则化损失函数，使得模型对图像以及对应最大池化下采样图像输出相同的预测结果，提高模型鲁棒性。为解决半监督目标检测算法忽略无标签数据的定位损失计算问题，本申请提出了再预测算法，用来衡量伪标签的定位质量，同时将定位准确的可靠分类伪标签用于无标签数据的定位损失的计算，提高模型的定位精度。
专利主权项内容
1.一种半监督目标检测方法，其特征在于，包括以下步骤：将图像数据集分为有标签数据和无标签数据，对所述有标签数据和所述无标签数据进行数据增强；其中，所述无标签数据的数据量大于所述有标签数据；基于两阶段目标检测算法FasterR-CNN，获取教师模型和学生模型；基于所述教师模型，通过阈值法对所述无标签数据进行筛选并计算分类损失，获取多尺度正则化损失和可靠分类伪标签；基于所述教师模型，通过再预测法对所述无标签数据进行筛选并计算边框回归损失，获取无监督定位损失；基于所述学生模型和所述有标签数据，获取有监督损失；基于所述多尺度正则化损失、所述无监督定位损失以及所述有监督损失，获取最终模型损失函数；所述学生模型基于所述最终模型损失函数采用梯度下降更新第一参数；所述教师模型基于所述第一参数通过EMA方法更新第二参数。