一种基于主动学习选择策略的厨余垃圾目标检测方法技术

本发明专利技术公开了一种基于主动学习选择策略的厨余垃圾目标检测方法，获取真实场景下采集的厨余垃圾目标检测数据集；通过对中样本聚类，并根据样本代表性构建已标注数据集；将送入目标检测模型训练，同时使用和训练主动学习模型中的变分自编码器VAE和对抗网络GAN判别器；当未达到主动学习总体预算时，使用当前的目标检测模型对未标注图像及其增强图像推理，根据相似度构建初选样本集；使用当前VAE和判别器筛选样本获得最终样本集；对选择的最终样本标注后，重复上述步骤直到达到标注总体预算；将最终得到的目标检测模型对厨余垃圾图像进行目标检测。本发明专利技术以更少的标注成本达到更好的检测效果。

【技术实现步骤摘要】

本专利技术属于目标检测，具体涉及一种基于主动学习选择策略的厨余垃圾目标检测方法，用于厨余垃圾图像目标检测。

技术介绍

1、目前国内的垃圾处理厂基本采用人工分拣，分拣劳动强度大且分拣的效率不高。在垃圾处理分拣线上利用智能控制系统辅助或以工业机器人代替人工作业，能有效改善此问题，其中涉及一项关键技术——目标检测，包括对分拣目标分类和确定其边界框位置。随着计算机技术数据处理能力的提升，从数据中自动学习特征表示的深度学习受到青睐，并取得突破性的进展，精度和准确度均超越了传统目标检测算法。但是深度学习依赖于大量人工标注的数据提升模型性能，而数据标注耗时费力且存在因知识缺乏等原因导致的主观误差，特别是对于目标检测任务需要具体标注每张图片中多个目标的类别和位置，对人工标注成本和效率带来巨大挑战。如何使用尽可能少的标注样本获得最佳的模型检测性能成为深度学习目标检测任务的难点。

2、机器学习中的主动学习其核心思想就是结合有标签数据和无标签数据，充分利用未标注数据的信息来提高模型性能。主动学习通过设计查询策略选择模型未知特征或相对不确定特征的样本进行人工标注，避免本文档来自技高网...

【技术保护点】

1.一种基于主动学习选择策略的厨余垃圾目标检测方法，其特征在于，包括：

2.根据权利要求1所述的基于主动学习选择策略的厨余垃圾目标检测方法，其特征在于，选择样本的KNN核密度作为步骤2中的代表性评估指标，计算式为：

3.根据权利要求2所述的基于主动学习选择策略的厨余垃圾目标检测方法，其特征在于，两个样本之间的距离，取两个样本特征图之间的L2范数空间距离，表示为：

4.根据权利要求1所述的基于主动学习选择策略的厨余垃圾目标检测方法，其特征在于，所述目标检测采用改进的RT-DETR模型，具体如下：首先采用一个Resnet50作为主干网络提取输入图像的特征，...

【技术特征摘要】

1.一种基于主动学习选择策略的厨余垃圾目标检测方法，其特征在于，包括：

2.根据权利要求1所述的基于主动学习选择策略的厨余垃圾目标检测方法，其特征在于，选择样本的knn核密度作为步骤2中的代表性评估指标，计算式为：

3.根据权利要求2所述的基于主动学习选择策略的厨余垃圾目标检测方法，其特征在于，两个样本之间的距离，取两个样本特征图之间的l2范数空间距离，表示为：

4.根据权利要求1所述的基于主动学习选择策略的厨余垃圾目标检测方法，其特征在于，所述目标检测采用改进的rt-detr模型，具体如下：首先采用一个resnet50作为主干网络提取输入图像的特征，输出下采样倍数不同的多尺度特征；然后采用一个混合编码器，通过尺度内特征交互aifi和跨尺度特征融合模块ccfm将多尺度特征转换为图像特征序列；再采用iou感知的查询选择，从混合编码器输出的图像特征序列中选择固定数量的特征，作为解码器的初始对象查询；最后采...

【专利技术属性】
技术研发人员：梁桥康，舒立业，秦海，殷义，郑正月，申新朴，
申请(专利权)人：湖南大学，
类型：发明
国别省市：