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：西安交通大学

申请日：2022-03-22

公开（公告）日：2024-11-01

公开（公告）号：CN114676771B

专利技术分类：..使用分类，例如 视频对象[2022.01]

专利摘要：本发明公开一种基于自监督和相似度抑制的在线目标检测提升算法，包括以下步骤：采集仿真环境下无人艇获取的海平面目标的图像样本，并将采集的图像样本分为有标签样本集和无标签样本集；对无标签样本集中的每一个无标签样本进行数据增强，利用增强后的无标签样本和相似度抑制后的伪标签，对初始训练后的模型进行在线提升训练，经过在线提升训练后，得到检测精度提升的模型；将待检测图片输入到检测精度提升的模型中，实现在线目标检测。本发明可以利用大量无标签样本提升仅利用少量有标签样本训练的模型的检测精度，充分发挥了无标签样本集在目标检测任务中的作用，提升了模型的性能，进而在实际应用中能够对目标进行高精度检测。

专利权项：1.一种基于自监督和相似度抑制的在线目标检测提升算法，其特征在于，包括以下步骤：1采集仿真环境下无人艇获取的海平面目标的图像样本，并将采集的图像样本分为有标签样本集和无标签样本集；对无标签样本集中的每一个无标签样本进行数据增强，利用增强后的无标签样本和相似度抑制后伪标签，对初始训练后的模型进行在线提升训练，经过在线提升训练后，得到检测精度提升的模型；2将待检测图片输入到检测精度提升的模型中，实现在线目标检测；相似度抑制后伪标签通过以下过程得到：步骤1，采集仿真环境下无人艇获取的海平面目标的图像样本，并将采集的图像样本分为有标签样本集S和无标签样本集U；利用有标签样本集S对两阶段目标检测模型F进行初始训练，得到初始训练后的模型F′；步骤2，利用初始训练后的模型F′对无标签样本集U中每个无标签样本xu进行伪标签预测，并依次通过动态置信度抑制算法、非极大值抑制算法以及相似度抑制算法，得到无标签样本xu对应的相似度抑制伪标签步骤2的具体过程为：步骤2.1：利用模型F′对无标签样本集U中每个无标签样本xu进行推理，得到每个无标签样本xu对应的伪标签Pu；步骤2.2：利用动态置信度抑制算法根据置信度对伪标签Pu筛选，得到对应的极大值硬伪标签步骤2.3：通过非极大值抑制算法对极大值硬伪标签进行非极大值抑制，得到非极大值抑制伪标签步骤2.4：通过相似度抑制算法对极大值硬伪标签进行相似度抑制，得到无标签样本xu对应的相似度抑制伪标签步骤2.2中采用下式对伪标签Pu筛选，得到对应的极大值硬伪标签 其中，ε是置信度阈值，E是总迭代轮数，e是当前迭代轮次；；步骤2.4的具体步骤为：步骤2.4.1：根据步骤1中的有标签样本集S，提取第k类目标的均值图像块，记为MkS；步骤2.4.2：提取非极大值抑制伪标签中为中第k类的检测的位置结果；步骤2.4.3：第k类的检测的位置结果包括若干位置结果对于中的每一个剪裁无标签样本xu，获得对应区域的图像区域通过插值等方法伸缩图像区域到固定尺度，计算固定尺度后的图像区域与第k类目标的均值图像块MkS的相似度，若相似度大小小于相似度阈值πk，则从中去除步骤2.4.4：对于极大值硬伪标签中的每一个k，重复步骤2.4.1-步骤2.4.3，得到无标签样本xu对应的相似度抑制伪标签

百度查询： 西安交通大学 一种基于自监督和相似度抑制的在线目标检测提升算法