买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：宁波工程学院

摘要：本发明提供一种工业密集检测场景中目标检测模型训练方法、检测方法及系统，在分布式工业检测场景下，在每个检测场景中构造教师网络和学生网络间基于交并比损失、中心对齐损失、概率对齐损失和预测框大小一致性损失的一致性损失函数，构造学生网络针对附标签样本的标准监督损失，能够在少量标签数据的基础上结合大量无标签数据完成对模型的半监督训练。同时，针对多个检测场景引入联邦学习的形式，能够保证各端数据的隐私，指导模型学习复杂背景下多个目标。进一步的，引入费舍尔信息矩阵计算各场景学生网络的信息含量，并基于此设计弹性权重更新机制协调不同场景的数据分布差异，以优化模型更新的整体性能。

主权项：1.一种工业密集检测场景中目标检测模型训练方法，其特征在于，所述方法分别在多个检测场景中分别部署的训练单元上执行，该方法包括以下步骤：获取第一目标检测场景中的图像数据，对所述图像数据进行本地化存储以及增强扩充；将增强扩充后得到的增强图像与原图像数据作为样本，并对其中的部分标记目标对象作为标签构建第一训练样本集；获取初始化用于目标检测的教师网络和学生网络；将所述第一训练样本集输入所述教师网络和所述学生网络，输出所述目标对象预测框对应的中心位置、框位置和预测概率，其中带有标签的样本仅输入所述学生网络；构造所述教师网络和所述学生网络间基于交并比损失、中心对齐损失、概率对齐损失和预测框大小一致性损失的一致性损失函数，构造所述学生网络针对附标签样本的标准监督损失，基于所述一致性损失和所述标准监督损失构建联合损失函数；基于费舍尔信息矩阵计算所述学生网络的信息含量，将所述信息含量以及所述学生网络与共享学生网络间的参数差引入所述联合损失构建弹性更新损失函数；在本地训练中，最小化所述弹性更新损失函数对所述学生网络进行参数更新，同时通过移动滑窗平均的方式依据所述学生网络各轮次的参数对所述教师网络进行更新，直至收敛；收敛后的所述教师网络用于与其他检测场景中训练单元的教师网络进行平均聚合更新共享教师网络，收敛后的所述学生网络与其他检测场景中训练单元的学生网络进行加权平均聚合更新共享学生网络，更新后的所述共享教师网络和所述共享学生网络同步至各检测场景中的训练单元以进行下一轮本地训练，直至收敛后，将所述共享学习网络作为目标检测模型。

全文数据：

权利要求：

百度查询： 宁波工程学院 工业密集检测场景中目标检测模型训练方法、检测方法及系统