本说明书公开了一种模型训练及航天器目标检测方法、装置及电子设备。所述模型训练方法包括：获取航天场景中的点云数据并输入教师检测模型，得到初始特征；基于预设的调整网络，对初始特征进行调整，得到基准特征；将点云数据输入目标检测模型，以通过目标检测模型的特征提取网络，对点云数据进行特征提取，得到目标特征和蒸馏特征；根据目标特征，确定目标检测结果；根据基准特征与蒸馏特征之间的偏差，以及目标检测结果与点云数据所对应的实际标签之间的偏差，确定损失值并对目标检测模型进行训练。本方案可以使目标检测模型充分学习教师检测模型所提取到的知识，保证了模型性能，并且可以实现在少样本的情况下对目标检测模型进行训练。
【技术实现步骤摘要】
本说明书涉及计算机，尤其涉及一种模型训练及航天器目标检测方法、装置及电子设备。
技术介绍
1、随着科技的发展，人们对航天领域的研究逐渐深入，其中，太空探测任务作为航天研究的重要基础，主要指为了科学研究、技术测试以及资源勘探，亦或是出于人类对宇宙的好奇心和探索精神，使用无人或有人驾驶的航天器来探索太空的行为。
2、然而，在太空探测任务中，由于环境的极端性，如巨大的距离、信号衰减迅速以及通信延迟冗长等挑战，采集太空样本的难度较大，使得传统依赖于大量样本数据进行模型训练和优化的目标检测方法变得不切实际。
3、因此，如何在有限的样本条件下实现航天器的精准目标检测，成为了深空探测领域亟需突破的关键技术难题。
技术实现思路
1、本说明书提供一种模型训练及航天器目标检测方法、装置及电子设备，以部分的解决现有技术存在的上述问题。
2、本说明书采用下述技术方案：
3、本说明书提供了一种模型训练方法，包括：
4、获取航天场景中的点云数据；
>5、将所述点云数据本文档来自技高网...
【技术保护点】
1.一种模型训练方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，将所述点云数据输入预先训练的教师检测模型，以通过所述教师检测模型的特征提取网络，对所述点云数据进行特征提取，得到初始特征，具体包括；
3.如权利要求2所述的方法，其特征在于，所述教师检测模型的伪图像生成网络和所述目标检测模型的伪图像生成网络相同，所述教师检测模型的检测网络和所述目标检测模型的检测网络相同，所述目标检测模型的特征提取网络的参数量低于所述教师检测模型的特征提取网络的参数量。
4.如权利要求1所述的方法，其特征在于，所述特征提取网络中包含有至少一个卷积块，每个卷...
【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，将所述点云数据输入预先训练的教师检测模型，以通过所述教师检测模型的特征提取网络，对所述点云数据进行特征提取，得到初始特征，具体包括；
3.如权利要求2所述的方法，其特征在于，所述教师检测模型的伪图像生成网络和所述目标检测模型的伪图像生成网络相同，所述教师检测模型的检测网络和所述目标检测模型的检测网络相同，所述目标检测模型的特征提取网络的参数量低于所述教师检测模型的特征提取网络的参数量。
4.如权利要求1所述的方法，其特征在于，所述特征提取网络中包含有至少一个卷积块，每个卷积块对应一个反卷积块；
5.如权利要求1所述的方法，其特征在于，通过所述目标...
【专利技术属性】
技术研发人员：孙畅，李月华，陈烨恒，
申请(专利权)人：之江实验室，
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。