基于类原型对齐的无源领域自适应目标检测模型生成方法及目标检测方法技术

本发明专利技术提供基于类原型对齐的无源领域自适应目标检测模型生成方法及目标检测方法，在采用教师模型和学生模型进行训练的过程中，通过目标检测框对学生模型和教师模型提取的特征进行进一步的目标特征的提取，并基于提取出的目标检测框的特征以及学生模型和教师模型基于目标检测框的特征输出的目标类别预测结果，来迭代更新属于同一目标类别的第一类原型和第二类原型，使用类原型构建原型的对齐损失，来对齐学生模型和教师模型的特征提取结果和预测结果，这样，通过类原型的迭代更新，实现了将历史知识纳入训练过程中，从而避免伪标签带来的不正确的监督信号导致模型训练崩塌的问题，提高训练得到的目标检测模型的性能，从而提高目标检测模型输出的目标检测结果的准确性。

【技术实现步骤摘要】

本专利技术涉及图像处理，尤其涉及基于类原型对齐的无源领域自适应目标检测模型生成方法及目标检测方法。

技术介绍

1、由于模型训练的广泛标记数据集的可用性，目标检测技术取得了很大进展，为了减少对手动数据标注的需求，存在针对目标检测的无监督域适应（unsupervised domainadaptation，uda）技术，uda通常假设可以同时访问源域和目标域数据以进行有效适应。然而在显示世界中，由于数据隐私、不可靠的数据传输或数据安全原因，源数据可能无法访问，例如，用于训练大语言模型（llm）的数据通常庞大且具有高价值，使其不适合开放共享。为了克服源域数据不可得的问题，产生了无源领域自适应目标检测（source-free objectdetection,sfod）技术，即仅依靠在源域训练的模型权重以及目标域中无标签数据实现模型从源域到目标域的自适应，并在目标域中取得较好的目标检测效果。

2、现有的sfod方法大多采用均值教师框架，其中教师和学生模型均使用预训练的源域模型初始化，并利用目标域中的无标签数据更新学生和教师模型。在此框架中，教师模型的预测结本文档来自技高网...

【技术保护点】

1.一种基于类原型对齐的无源领域自适应目标检测模型生成方法，其特征在于，包括：

2.根据权利要求1所述的基于类原型对齐的无源领域自适应目标检测模型生成方法，其特征在于，所述将目标域样本图像输入至所述教师模型中的第一特征提取模块之前，包括：

3.根据权利要求1所述的基于类原型对齐的无源领域自适应目标检测模型生成方法，其特征在于，所述基于目标检测框分别在所述第一提取特征和所述第二提取特征中提取第一目标特征和第二目标特征之前，包括：

4.根据权利要求1所述的基于类原型对齐的无源领域自适应目标检测模型生成方法，其特征在于，所述基于同一预设目标类别的各个所述第一...

【技术特征摘要】

1.一种基于类原型对齐的无源领域自适应目标检测模型生成方法，其特征在于，包括：

2.根据权利要求1所述的基于类原型对齐的无源领域自适应目标检测模型生成方法，其特征在于，所述将目标域样本图像输入至所述教师模型中的第一特征提取模块之前，包括：

3.根据权利要求1所述的基于类原型对齐的无源领域自适应目标检测模型生成方法，其特征在于，所述基于目标检测框分别在所述第一提取特征和所述第二提取特征中提取第一目标特征和第二目标特征之前，包括：

4.根据权利要求1所述的基于类原型对齐的无源领域自适应目标检测模型生成方法，其特征在于，所述基于同一预设目标类别的各个所述第一目标特征和所述第一目标类别预测结果迭代所述预设目标类别的第一类原型，包括：

5.根据权利要求1所述的基于类原型对齐的无源领域自适应目标检测模型生成方法，其特征在于，所述获取所述第一类原型和所述第二类原型之间的对齐损失，包括：

6.一种基于权利要求1-5任一项所述的基于类原...

【专利技术属性】
技术研发人员：刘瑜，王华杰，李徵，李劭辉，姜智卓，李耀文，何友，
申请(专利权)人：清华大学深圳国际研究生院，
类型：发明
国别省市：