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：电子科技大学(深圳)高等研究院

摘要：本发明公开了一种跨域目标检测模型训练方法、目标检测方法及装置，涉及目标检测技术领域，解决了目标检测模型的泛化能力弱，在面对自动驾驶场景下复杂多变的实际场景检测效果差的技术问题。该方法包括：根据所述领域训练样本进行训练，得到初始检测模型；构建领域判别模块，通过所述领域判别模块与所述初始检测模型进行对抗训练，由所述领域判别模块输出对抗结果；获取所述领域训练样本的前景权重信息，给所述对抗结果施加前景权重信息的约束，构建得到前景感知模块；通过所述领域判别模块和前景感知模块对所述初始检测模型进行交替训练，得到跨域目标检测模型。本发明的检测模型泛化能力强，检测效果好。

主权项：1.一种适用于自动驾驶的跨域目标检测模型训练方法，其特征在于，包括以下步骤：对构建的自动驾驶场景下的领域数据进行预处理，得到领域训练样本；其中，所述领域训练样本包括源域训练样本和目标域训练样本；所述领域数据包括源域数据和目标域数据；所述源域数据包含自动驾驶场景下的图像信息和标注信息，所述目标域数据仅包含自动驾驶场景下的图像信息；根据所述领域训练样本进行训练，得到初始检测模型；构建领域判别模块，通过所述领域判别模块与所述初始检测模型进行对抗训练，由所述领域判别模块输出对抗结果；获取所述领域训练样本的前景权重信息，给所述对抗结果施加前景权重信息的约束，构建得到前景感知模块；根据所述源域训练样本和目标域样本，通过所述领域判别模块和前景感知模块对所述初始检测模型进行交替训练，得到跨域目标检测模型；在所述前景感知模块中，通过所述初始检测模型的预测输出网络获取前景的权重信息，所述权重信息为图像中出现前景特征的概率；将所述领域判别模块输出的对抗结果乘以所述前景的权重信息，构建得到所述前景感知模块；在根据所述源域训练样本和目标域样本，通过所述领域判别模块和前景感知模块对所述初始检测模型进行交替训练中，根据所述源域训练样本训练所述初始检测模型，包括以下步骤：将所述源域训练样本输入所述初始检测模型，经过所述初始检测模型训练，得到训练损失函数；所述源域训练样本经过所述初始检测模型的特征融合网络后输出第一特征图；所述第一特征图经过所述领域判别模块得到第一对抗结果，所述第一对抗结果与所述预测输出网络输出的前景权重信息相乘，与第一领域标签计算第一BCE损失函数；其中，所述第一领域标签为所述源域训练样本的标签；计算第一总损失函数，根据所述第一总损失函数对所述初始检测模型进行训练；在根据所述源域训练样本和目标域样本，通过所述领域判别模块和前景感知模块对所述初始检测模型进行交替训练中，通过所述目标域训练样本训练所述初始检测模型，包括以下步骤：将所述目标域训练样本输入所述初始检测模型，经过所述特征融合网络后输出第二特征图；所述第二特征图经过所述领域判别模块得到第二对抗结果，所述第二对抗结果与所述预测输出网络输出的前景权重信息相乘，与第二领域标签计算第二BCE损失函数；其中，所述第二领域标签为所述目标域训练样本的标签；计算第二总损失函数，根据所述第二总损失函数对所述初始检测模型进行训练。

全文数据：

权利要求：

百度查询： 电子科技大学(深圳)高等研究院 一种跨域目标检测模型训练方法、目标检测方法及装置