【技术实现步骤摘要】
本专利技术属于计算机视觉，特别涉及一种交通注视目标检测中的伪标签生成技术。
技术介绍
1、交通场景感知对驾驶安全有重要影响。模拟经验丰富的驾驶员对交通场景的感知，交通注视目标检测被提出并得到了快速发展。然而，以往开展交通注视目标检测需要人工标注大量的数据集，这不仅消耗大量的资源成本，而且不利于注视目标检测的推广。
2、与依赖大量人工标注的高精度标签来训练模型的全监督学习方法不同，弱监督学习方法仅需要操作少量的弱标记数据即可训练模型，从而极大地减少了标注训练样本所消耗的巨大资源。然而，现有的弱监督目标检测方法主要针对场景全目标检测，未能有效利用驾驶员的视觉信息。因此，如何将驾驶经验融入到弱监督学习中，生成适用于交通注视目标检测的伪标签，成为尚待解决的问题。此外，对于弱监督目标检测，将给定的图像级监督信号传播到实例级(边界框级)训练数据以促进模型的学习过程是提升弱监督检测性能的关键。然而，由于每张训练图像可以由多个不同精度的边界框来标记，这使得伪标签在优化过程中不可避免地会被大量噪声信息干扰，从而使弱监督学习变得极具挑战性。因此...
【技术保护点】
1.一种适用于交通注视目标检测的伪标签生成方法，其特征在于，包括：
2.根据权利要求1所述的一种适用于交通注视目标检测的伪标签生成方法，其特征在于，交通目标检测数据集采用BDD100K数据集。
3.根据权利要求2所述的一种适用于交通注视目标检测的伪标签生成方法，其特征在于，步骤S3具体包括以下分步骤：
4.根据权利要求3所述的一种适用于交通注视目标检测的伪标签生成方法，其特征在于，κ(x,y)的表达式为：
5.根据权利要求4所述的一种适用于交通注视目标检测的伪标签生成方法，其特征在于，步骤S4具体包括以下分步骤：
...【技术特征摘要】
1.一种适用于交通注视目标检测的伪标签生成方法，其特征在于，包括：
2.根据权利要求1所述的一种适用于交通注视目标检测的伪标签生成方法，其特征在于，交通目标检测数据集采用bdd100k数据集。
3.根据权利要求2所述的一种适用于交通注视目标检测的伪标签生成方法，其特征在于，步骤s3具体包括以下分步骤：
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。