一种基于类对比学习的开集半监督目标检测方法技术

本发明专利技术属于计算机视觉领域，公开一种基于类对比学习的开集半监督目标检测方法。本发明专利技术针对实例级近似分布外数据问题提出解决方案，通过结合聚类思想和类对比学习思想，提出一种近似分布外数据过滤策略，抽象式的为每个预测实例划分动态边界，防止近似分布外数据实例带来的错误语义扩展。并通过动态阈值策略和类对比学习的有效集成，既能在训练初期防止过度严格的分布外异常过滤导致模型将过多的正常实例误判为分布外实例，进而影响模型的泛化性能，又能利用无标记数据中正常实例和少量近似分布外数据实例提升模型的泛化能力，还能在训练后期严格把控标签分配，防止过多近似分布外实例分配正常伪标签，导致模型性能由于数据方差过大而急速下滑。

【技术实现步骤摘要】

本专利技术属于计算机视觉领域的目标检测，涉及一种数据标签空间不一致的开集半监督目标检测方法。

技术介绍

1、随着深度学习技术的迅猛发展，众多研究者采用这一基于数据驱动的先进技术，在计算机视觉领域的诸多任务中取得了媲美甚至超越人类的表现。然而，深度学习的卓越成效在很大程度上依赖于高质量的数据标注。为了降低耗时且劳动密集的标注负担，深度半监督学习因其仅需少量标注数据的特点，逐渐成为众多研究者的研究焦点。其中，标签数据也被称为域内数据(in distribution，id)数据。近年来，深度半监督学习在图像分类任务和目标检测任务中得到了广泛研究，在分类任务中如dash(xu y,shang l,ye j,etal.dash:semi-supervised learning with dynamic thresholding[c]//internationalconference on machine learning.pmlr,2021:11525-11536.)首次考虑了在筛选伪标签时利用动态阈值来更合理的过滤伪标签等，在目标检测任务中如unbiased te本文档来自技高网...

【技术保护点】

1.一种基于类对比学习的开集半监督目标检测方法，其特征在于，步骤如下：

【技术特征摘要】

1.一种基于类对比学习的开集半监督目...

【专利技术属性】
技术研发人员：徐易，汤沛松，徐齐，张向奎，马润超，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：