【技术实现步骤摘要】
本专利技术涉及图像检测，特别涉及一种低照度人脸检测模型构建方法、装置及终端。
技术介绍
1、人脸检测任务旨在准确定位给定图像中的所有人脸，近年来，通过深度学习的不断发展，该技术也正广泛应用于人脸对齐、人脸识别、人脸属性分析等下游任务中。尽管常规场景下的人脸检测已经具备优异的检测性能，但是，由于亮度不均、噪声占比高、对比度低等因素，低照度人脸检测仍极具挑战性。
2、在现有技术中，针对低照度人脸的研究方法大多基于海量标签的监督训练，然而获取低照度场景下的标签数据成本高、难度大，且泛化能力差，导致现有的低照度人脸检测模型的预测性能还不够准确。
3、因此，现有技术还有待改进和提高。
技术实现思路
1、针对现有技术的上述缺陷，提供一种低照度人脸检测模型构建方法、装置及终端，旨在解决现有技术中低照度人脸检测模型的预测性能还不够准确的问题。
2、本专利技术的第一方面，提供一种低照度人脸检测模型构建方法，包括：
3、获取源域和目标域，所述源域为已标注出人脸信...
【技术保护点】
1.一种低照度人脸检测模型构建方法，其特征在于，包括：
2.根据权利要求1所述的低照度人脸检测模型构建方法，其特征在于，所述基于所述初始模型参数和所述第一监督损失对所述学生模型和所述教师模型进行交互监督学习，得到目标检测模型，包括：
3.根据权利要求2所述的低照度人脸检测模型构建方法，其特征在于，所述对所述源域和所述目标域进行预处理，得到低照度源域、第一目标域和第二目标域，包括：
4.根据权利要求2所述的低照度人脸检测模型构建方法，其特征在于，所述基于所述初始伪标签和所述第二目标域对所述学生模型进行无监督训练，包括：
5...
【技术特征摘要】
1.一种低照度人脸检测模型构建方法，其特征在于，包括：
2.根据权利要求1所述的低照度人脸检测模型构建方法，其特征在于，所述基于所述初始模型参数和所述第一监督损失对所述学生模型和所述教师模型进行交互监督学习，得到目标检测模型，包括：
3.根据权利要求2所述的低照度人脸检测模型构建方法，其特征在于，所述对所述源域和所述目标域进行预处理，得到低照度源域、第一目标域和第二目标域，包括：
4.根据权利要求2所述的低照度人脸检测模型构建方法，其特征在于，所述基于所述初始伪标签和所述第二目标域对所述学生模型进行无监督训练，包括：
5.根据权利要求2所述的低照度人脸检测模型构建方法，其特征在于，所述基于所述第一监督损失、所述第二监督损失和所述无监督损失优化所述学生模型，还包括：
6.根据权利要求5所述的低照度人脸检测模型...
【专利技术属性】
技术研发人员：陈芳林，高明君，裴文杰，卢光明，
申请(专利权)人：哈尔滨工业大学深圳哈尔滨工业大学深圳科技创新研究院，
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。