【技术实现步骤摘要】
本申请属于目标检测，尤其涉及一种目标检测模型训练方法、装置、计算机可读存储介质及电子设备。
技术介绍
1、随着人工智能(artificial intelligence，ai)技术在扫地机障碍物检测任务中的应用近年来受到广泛关注，目标检测算法作为计算机视觉的重要分支，为扫地机的智能导航和避障能力提供了强有力的技术支撑。通过摄像头或激光传感器，扫地机能够感知周围环境，识别并避开障碍物，从而确保清扫效率和安全性。为了使扫地机具备高效的目标检测能力，必须使用大规模的数据集对扫地机的目标检测模型进行训练，这些数据集中的每一帧图像通常都需要标注障碍物的位置和类别。
2、然而，实际应用中，在扫地机的目标检测模型的迭代更新过程中，新场景的数据回流或者基于新需求的补充数据往往面临标注质量难以把控的问题。特别是在一些动态变化的环境下，数据标注过程中可能会出现错标、漏标、误分类等噪声标签。这些噪声标签的存在，往往会降低训练效果，导致训练出的目标检测模型对新场景的适应能力较差。
技术实现思路
1、有鉴...
【技术保护点】
1.一种目标检测模型训练方法，其特征在于，包括：
2.根据权利要求1所述的目标检测模型训练方法，其特征在于，所述基于所述联合训练数据集对所述第一目标检测模型进行训练，得到训练后的第二目标检测模型，包括：
3.根据权利要求2所述的目标检测模型训练方法，其特征在于，所述确定进行模型训练的特征相似度损失函数，包括：
4.根据权利要求3所述的目标检测模型训练方法，其特征在于，所述根据所述源域数据集中样本之间的特征距离和所述目标域数据集中样本之间的特征距离，确定进行模型训练的特征相似度损失函数，包括：
5.根据权利要求2所述的目标...
【技术特征摘要】
1.一种目标检测模型训练方法，其特征在于，包括：
2.根据权利要求1所述的目标检测模型训练方法，其特征在于，所述基于所述联合训练数据集对所述第一目标检测模型进行训练，得到训练后的第二目标检测模型，包括：
3.根据权利要求2所述的目标检测模型训练方法，其特征在于，所述确定进行模型训练的特征相似度损失函数，包括：
4.根据权利要求3所述的目标检测模型训练方法，其特征在于，所述根据所述源域数据集中样本之间的特征距离和所述目标域数据集中样本之间的特征距离，确定进行模型训练的特征相似度损失函数，包括：
5.根据权利要求2所述的目标检测模型训练方法，其特征在于，所述确定进行模型训练的域标签引导损失函数，包括：
6.根据权利要求2所述的目标检测模型训练方法，其特征在于，所述根据所述目标检...
【专利技术属性】
技术研发人员：郑建楠，
申请(专利权)人：深圳市优必选科技股份有限公司，
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。