基于多角度增量学习的动态三维成像雷达异物检测方法技术

本公开涉及基于多角度增量学习的动态三维成像雷达异物检测方法，方法包括：通过毫米波设备收集扫描数据；基于数据预处理，划分与标记数据集；输入改进后的目标检测模型中进行迭代训练，并通过反向传播进行梯度下降得到最佳模型参数；对毫米波图像异物进行检测。通过本公开各实施例有效提高了模型的检测速度，有效改善了“灾难性遗忘问题”。

【技术实现步骤摘要】

本公开涉及毫米波图像目标检测，具体涉及一种基于多角度增量学习的动态三维成像雷达异物检测方法。

技术介绍

1、目前毫米波图像目标检测的算法主要从光学领域迁移而来，与光学图像相比，毫米波图像所含信息少，背景噪声易于违禁品产生混淆。深度学习算法虽然功能强大，但是也有一定的局限性。其中最突出的是用于训练深度学习模型的数据只能在训练时可用，而实际应用时在模型训练阶段并不总是可用获得所有可用的数据，如果将新旧数据融合在一起进行训练，这会导致计算成本大幅增加，耗时耗力；而如果只对新数据进行训练，模型在旧任务上的性能会降低，导致“灾难性遗忘问题”，而且增量学习算法大多用于图像分类的任务上，而目标检测方向需要更注重前景和背景的分离以及目标的精准定位，有时图像中还不止包含一种类型的目标。

技术实现思路

1、本公开意图提供一种基于多角度增量学习的动态三维成像雷达异物检测方法及计算机可读存储介质，有效提高了模型的检测速度，有效改善了“灾难性遗忘问题”。

2、根据本公开的方案之一，提供一种基于多角度增量学习的动态三维成像雷本文档来自技高网...

【技术保护点】

1.基于多角度增量学习的动态三维成像雷达异物检测方法，包括：

2.根据权利要求1所述的方法，其中，通过毫米波设备收集扫描数据，包括：

3.根据权利要求2所述的方法，其中，划分与标记数据集，包括：

4.根据权利要求3所述的方法，其中，输入改进后的目标检测模型中进行迭代训练，并通过反向传播进行梯度下降得到最佳模型参数，包括：

5.根据权利要求4所述的方法，其中，特征提取，包括：

6.根据权利要求2所述的方法，其中，优化候选框，包括：

7.根据权利要求4所述的方法，其中，定义RPN损失函数以指导模型更新权重

8...

【技术特征摘要】

1.基于多角度增量学习的动态三维成像雷达异物检测方法，包括：

2.根据权利要求1所述的方法，其中，通过毫米波设备收集扫描数据，包括：

3.根据权利要求2所述的方法，其中，划分与标记数据集，包括：

4.根据权利要求3所述的方法，其中，输入改进后的目标检测模型中进行迭代训练，并通过反向传播进行梯度下降得到最佳模型参数，包括：

5.根据权利要求4所述的方法，...

【专利技术属性】
技术研发人员：谭维贤，何雨新，苏耘，董亦凡，徐伟，乞耀龙，黄平平，
申请(专利权)人：内蒙古工业大学，
类型：发明
国别省市：