【技术实现步骤摘要】
本专利技术涉及人工智能与计算机视觉，具体地说是一种货柜小目标半监督识别方法及系统。
技术介绍
1、现有货柜场景小目标识别系统采用的两阶段架构：目标检测与分类识别。目标检测模型(如yolo、efficientdet等)用于定位目标区域，分类模型(如resnet、efficientnet等)对目标进行分类。在货柜场景中，由于目标类别众多(如5000类)且多为小尺度目标，采用单一模型端到端进行检测识别的效果较差，因此通常借助两阶段模型分别完成目标检测与分类识别。目标检测模型通过预训练已具备较强的泛化能力与鲁棒性，不需要进一步提升其检测效果，而分类模型则依赖人工标注的海量数据进行训练，或者借助少量高清图片通过数据增强、三维重建技术扩充数据集以提升泛化能力。
2、传统监督学习需对海量样本进行人工标注，在5000+类别的货柜场景下，标注工作面临耗时、耗力及成本过高的问题。产生该问题的原因是细粒度分类需高精度标注，而人工标注效率与数据需求呈指数级矛盾。
3、借助少量高清图片通过数据增强、三维重建技术扩充数据集的方式，虽能降低标...
【技术保护点】
1.一种货柜小目标半监督识别方法，其特征在于，通过融合置信度筛选、不确定性评估、特征空间一致性验证三个维度的联合过滤机制，从海量未标注货柜子图中筛选高可靠性样本，构建渐进优化的训练数据集；
2.根据权利要求1所述的一种货柜小目标半监督识别方法，其特征在于，该方法的实现步骤包括：
3.根据权利要求1或2所述的一种货柜小目标半监督识别方法，其特征在于，该方法基于多模态特征融合与动态域适应技术，提升模型对复杂场景的适应能力；具体实现步骤包括：
4.根据权利要求1所述的一种货柜小目标半监督识别方法，其特征在于，该方法的具体实现如下：
...【技术特征摘要】
1.一种货柜小目标半监督识别方法，其特征在于，通过融合置信度筛选、不确定性评估、特征空间一致性验证三个维度的联合过滤机制，从海量未标注货柜子图中筛选高可靠性样本，构建渐进优化的训练数据集；
2.根据权利要求1所述的一种货柜小目标半监督识别方法，其特征在于，该方法的实现步骤包括：
3.根据权利要求1或2所述的一种货柜小目标半监督识别方法，其特征在于，该方法基于多模态特征融合与动态域适应技术，提升模型对复杂场景的适应能力；具体实现步骤包括：
4.根据权利要求1所述的一种货柜小目标半监督识别方法，其特征在于，该方法的具体实现如下：
5.根据权利要求4所述的一种货柜小目标半监督识别方法，其特征在于，所述多维度伪标签生成，具体实现如下：
6.根据权利要求3所述的一种货柜小目标半监督识别方法，其特征在...
【专利技术属性】
技术研发人员：宗世旺，张田，李伍，李光学，胡定一，
申请(专利权)人：山东浪潮数字商业科技有限公司，
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。