【技术实现步骤摘要】
本申请涉及计算机视觉，尤其涉及一种基于辅助教学网络的半监督目标检测方法及装置。
技术介绍
1、在计算机视觉领域，目标检测是一项重要的基础任务。它可以帮助实现自动驾驶车辆的感知与决策、智能安防系统的监控与警示、精准的人脸识别技术等，有着极为广泛的应用。准确的目标检测需要大量有标签的样本数据。然而，在许多应用场景难以获取足够有标签的样本，这将会限制目标检测模型的性能和应用范围。半监督目标检测结合有监督和无监督学习技术，只需要少量的有标注数据和大量的未标注数据，就能够训练出性能良好的目标检测模型，因而成为数据标注受限场景下的关键技术。
2、如何充分利用无标签数据训练出高精度的模型是半监督目标检测的核心问题。现有半监督目标检测方法主要采用以下两种技术路线。第一是基于教师-学生网络。利用教师网络生成硬伪标签，通过设定一个阈值来保障伪标签的质量，然后利用生成的伪标签来训练学生网络模型。在该技术路线中伪标签的质量是决定模型精度的关键因素。代表性工作如论文《mix teacher:mining promising labels with m...
【技术保护点】
1.一种基于辅助教学网络的半监督目标检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取原始图像并对原始图像进行预处理，包括：
3.根据权利要求1所述的方法，其特征在于，将所述图像的特征表示输入区域候选网络中进行分类预测和回归预测，包括：
4.根据权利要求1所述的方法，其特征在于，所述总体损失函数的计算公式如下：
5.根据权利要求1所述的方法，其特征在于，用两个模型在本次迭代中对有标签的样本数据训练的损失值累计值作为权重对伪标签进行矫正，包括：
6.根据权利要求1所述的方法，其特征在于...
【技术特征摘要】
1.一种基于辅助教学网络的半监督目标检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取原始图像并对原始图像进行预处理，包括：
3.根据权利要求1所述的方法，其特征在于，将所述图像的特征表示输入区域候选网络中进行分类预测和回归预测，包括：
4.根据权利要求1所述的方法，其特征在于，所述总体损失函数的计算公式如下：
5.根据权利要求1所述的方法，其特征在于，用两个模型在本次迭代...
【专利技术属性】
技术研发人员：林兰芬，白振甲，解仕奥，牛子未，余昕遥，秦锐，
申请(专利权)人：浙江大学，
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。