基本信息:
- 专利标题： 极端天气下基于半监督学习的跨域目标检测方法和系统
- 申请号：CN202510345865.X 申请日：2025-03-24
- 公开(公告)号：CN119863615A 公开(公告)日：2025-04-22
- 发明人： 赵睿 , 王朔遥
- 申请人： 深圳大学
- 申请人地址： 广东省深圳市南山区粤海街道南海大道3688号
- 专利权人： 深圳大学
- 当前专利权人： 深圳大学
- 当前专利权人地址： 广东省深圳市南山区粤海街道南海大道3688号
- 代理机构： 深圳市君胜知识产权代理事务所(普通合伙)
- 代理人： 温翠萍
- 主分类号： G06V10/25
- IPC分类号： G06V10/25 ; G06V20/58 ; G06V10/82 ; G06N3/0895 ; G06N3/0464 ; G06V10/766
摘要：
本发明所提供的极端天气下基于半监督学习的跨域目标检测方法和系统，该方法包括：通过蒸馏使得学生模型学习训练好的教师模型的边界框回归知识而具备在极端天气下的回归能力，利用扩散模型生成的更接近目标域且噪声更小的中间态图像，对蒸馏阶段得到的具备在极端天气下的回归能力的预训练检测模型进行实例级别的特征对抗训练，基于对抗训练后的检测模型确定新的教师模型和新的学生模型，在微调阶段，利用动态类别伪标签筛选策略对新的教师模型生成的伪标签进行筛选，利用筛选出的目标域伪标签训练新的学生模型得到用于对极端天气下的待检测图像进行检测的目标检测模型，能够减少现有技术在极端天气场景的漏检和错检现象，并保持原有推理速度。