【技术实现步骤摘要】
本申请属于视觉任务处理，尤其涉及一种视觉任务处理方法、装置、计算机可读存储介质及终端设备。
技术介绍
1、半监督训练技术在视觉任务处理领域已得到了较为普遍的使用，半监督训练技术是一种借助少量标注数据和大量无标注数据来联合训练神经网络的方案，主流的半监督视觉任务处理方案(如efficient-teacher等)一般采用教师-学生(teacher-student)解决范式，运用教师(teacher)模型对无标注数据生成的伪标签来指导学生(student)模型学到全量数据的分布，同时学生模型又会以集成学习的方式来更新教师模型的参数，形成互学习的飞轮效应。
2、损失函数是半监督训练的重要组成部分之一，损失函数通过最小化模型对于数据的预测值和该数据真实值之间的误差来优化模型，从而提高模型提取特征的能力。但在现有技术中所使用的损失函数计算往往不够精准，导致训练所得的模型在进行视觉任务处理时准确率较低。
技术实现思路
1、有鉴于此，本申请实施例提供了一种视觉任务处理方法、装置、计算机可读存储...
【技术保护点】
1.一种视觉任务处理方法，其特征在于，包括：
2.根据权利要求1所述的视觉任务处理方法，其特征在于，所述添加聚合损失项的损失函数的构建过程包括：
3.根据权利要求2所述的视觉任务处理方法，其特征在于，所述对所述第一置信概率和各个邻近点的所述第二置信概率进行聚合计算，得到所述聚合置信概率，包括：
4.根据权利要求3所述的视觉任务处理方法，其特征在于，所述对各个邻近点的所述第二置信概率进行聚合计算，得到第三置信概率，包括：
5.根据权利要求3所述的视觉任务处理方法，其特征在于，所述对所述第一置信概率和所述第三置信概率进行聚合...
【技术特征摘要】
1.一种视觉任务处理方法，其特征在于，包括：
2.根据权利要求1所述的视觉任务处理方法，其特征在于，所述添加聚合损失项的损失函数的构建过程包括：
3.根据权利要求2所述的视觉任务处理方法，其特征在于，所述对所述第一置信概率和各个邻近点的所述第二置信概率进行聚合计算，得到所述聚合置信概率，包括：
4.根据权利要求3所述的视觉任务处理方法，其特征在于，所述对各个邻近点的所述第二置信概率进行聚合计算，得到第三置信概率，包括：
5.根据权利要求3所述的视觉任务处理方法，其特征在于，所述对所述第一置信概率和所述第三置信概率进行聚合计算，得到所述聚合置信概率，包括：
6.根据权利要求2所述的视觉任务处理方法，其特征在于，所述根据所述聚合置信概率和所述预期置信概率确定所述...
【专利技术属性】
技术研发人员：赵煜冰，王侃，董培，庞建新，谭欢，
申请(专利权)人：深圳市优必选科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。