【技术实现步骤摘要】
本申请涉及目标检测领域，具体涉及一种目标检测网络的训练方法、目标检测方法及相关设备。
技术介绍
1、为了提高目标检测网络性能，用户往往需要采用大量的图像样本对目标检测网络进行训练。其中，有标签的图像样本需要人工手动对图像进行标注，成本较高，因此，在实际训练过程中，大量样本图像缺乏其所对应的标签。
2、然而，在采用有标签图像和无标签图像对目标检测网络进行训练时，由于有标签图像和无标签图像的数据域存在差异，因此，基于此训练出的模型性能较差。
技术实现思路
1、鉴于上述，本申请实施例提供一种目标检测网络的训练方法、目标检测方法及相关设备，不仅能够基于有标签图像和无标签图像对目标检测网络进行训练，还可以提高训练出的目标检测网络的性能。
2、本申请实施例提供一种目标检测网络的训练方法，包括：
3、获取用于训练所述目标检测网络的样本图像，所述样本图像包括有标签的源域图像和无标签的目标域图像；
4、将所述源域图像和所述目标域图像进行融合，得到融合图像；p>
5、将所述本文档来自技高网...
【技术保护点】
1.一种目标检测网络的训练方法，其特征在于，包括：
2.如权利要求1所述的目标检测网络的训练方法，其特征在于，所述融合图像包括第一局部图像和第二局部图像；
3.如权利要求2所述的目标检测网络的训练方法，其特征在于，所述目标域检测结果包括基于所述目标域图像检测出的多个目标框；
4.如权利要求3所述的目标检测网络的训练方法，其特征在于，所述基于所述局部区域包括的目标框的置信度，对所述局部区域的检测准确度进行评分，得到所述局部区域的分数，包括：
5.如权利要求2所述的目标检测网络的训练方法，其特征在于，所述伪标签包括：第一局部...
【技术特征摘要】
1.一种目标检测网络的训练方法，其特征在于，包括：
2.如权利要求1所述的目标检测网络的训练方法，其特征在于，所述融合图像包括第一局部图像和第二局部图像；
3.如权利要求2所述的目标检测网络的训练方法，其特征在于，所述目标域检测结果包括基于所述目标域图像检测出的多个目标框；
4.如权利要求3所述的目标检测网络的训练方法，其特征在于，所述基于所述局部区域包括的目标框的置信度，对所述局部区域的检测准确度进行评分，得到所述局部区域的分数，包括：
5.如权利要求2所述的目标检测网络的训练方法，其特征在于，所述伪标签包括：第一局部标签和第二局部标签；所述目标域检测结果包括基于所述目标域图像检测出的多个目标框；所述源域检测结果包括基于所述源域图像检测出的多个目标框；
6.如权利要求1所述的目标检测网络的训练方法，其特征在于，所...
【专利技术属性】
技术研发人员：陈瑞敏，代黎，吕岱霖，
申请(专利权)人：浙江绿色智行科创有限公司，
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。