一种目标检测模型训练方法、装置及设备制造方法及图纸

本发明专利技术公开一种目标检测模型训练方法、装置及设备，应用于野外环境的目标检测中，通过训练数据集对教师模型和学生模型进行训练，教师子模型包括多个不同野外场景下的教师子模型，基于多个教师特征和多个学生解码特征计算一致性损失值，根据多个教师子模型对应的检测结果生成多个分级伪标签，利用多个分级伪标签计算半监督损失值，根据有标注数据和学生模型对应的检测结果计算监督损失值，根据一致性损失值、半监督损失值和监督损失值对学生模型进行参数更新，并将参数更新后的学生模型作为训练好的目标检测模型。解决了目标检测模型在野外环境中进行目标检测时准确度较低的问题。

【技术实现步骤摘要】

本专利技术涉及人工智能，具体涉及一种目标检测模型训练方法、装置及设备。

技术介绍

1、目标检测近年来取得了巨大发展，被广泛的应用于野外环境监测等领域中。但是在野外目标检测中通常面临数据场景复杂的问题，因为公开数据集大多为白天的彩色图像，利用大量有标注的白天的彩色图像训练的目标检测模型在夜间或者其他不同野外环境下进行目标检测的泛化能力较差。为了解决上述问题，有一些目标检测算法针对夜间、暗光和曝光等问题做了研究和优化，但是该研究和优化都是针对于有标注数据的优化提升，而因为有标注数据的昂贵，目前采用少量有标注数据和大量无标注数据提升目标检测结果的半监督方法，如何在半监督学习下通过无标注数据中的夜间场景图像使得目标检测模型在不同环境下均具有良好的检测能力，成为了一个亟待解决的问题。

技术实现思路

1、本专利技术主要解决的技术问题是目标检测模型在野外环境中进行目标检测时目标检测的准确度较低。

2、根据第一方面，一种实施例中提供一种目标检测模型训练方法,应用于野外环境的目标检测中，包括：</p>

3、获取本文档来自技高网...

【技术保护点】

1.一种目标检测模型训练方法,应用于野外环境的目标检测中，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述根据所述学生模型和预设生成模块对所述无标注数据进行随机掩码处理和生成处理，得到多个学生解码特征，包括：

3.如权利要求1所述的方法，其特征在于，所述根据所述多个教师子模型对应的检测结果生成多个分级伪标签之前，所述方法还包括：

4.如权利要求3所述的方法，其特征在于，所述根据所述多个教师子模型对应的检测结果生成多个分级伪标签，包括：

5.如权利要求4所述的方法，其特征在于，所述预设检测框要求包括所有教师子模型的检查结果中均...

【技术特征摘要】

1.一种目标检测模型训练方法,应用于野外环境的目标检测中，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述根据所述学生模型和预设生成模块对所述无标注数据进行随机掩码处理和生成处理，得到多个学生解码特征，包括：

3.如权利要求1所述的方法，其特征在于，所述根据所述多个教师子模型对应的检测结果生成多个分级伪标签之前，所述方法还包括：

4.如权利要求3所述的方法，其特征在于，所述根据所述多个教师子模型对应的检测结果生成多个分级伪标签，包括：

5.如权利要求4所述的方法，其特征在于，所述预设检测框要求包括所有教师子模型的检查结果中均含有预设检测框；所述预设类别要求包括检测框中包含的物体类别相同；所述预设边框要求包括检测框的...

【专利技术属性】
技术研发人员：魏梦，叶广明，
申请(专利权)人：深圳市斯远电子技术有限公司，
类型：发明
国别省市：