申请/专利权人:深圳大学
申请日:2020-09-08
公开(公告)日:2021-01-12
公开(公告)号:CN112215255A
主分类号:G06K9/62(20060101)
分类号:G06K9/62(20060101);G06N3/08(20060101)
优先权:
专利状态码:有效-授权
法律状态:2023.08.18#授权;2021.01.29#实质审查的生效;2021.01.12#公开
摘要:本申请适用于图像处理的技术领域,提供了一种目标检测模型的训练方法,包括:获取多个数据集,每个所述数据集包括源域图像以及目标域图像;将每个所述数据集中的所述源域图像以及所述目标域图像进行转换处理,得到过渡域图像;将所述过渡域图像以及所述目标域图像输入对抗学习模型中,训练目标检测模型,得到训练后的目标检测模型;所述对抗学习模型包括目标检测模型以及所述域分类模型;所述目标检测模型以及域分类模型用于对抗学习。上述方案,通过域分类模型与目标检测模型进行对抗学习,使得目标检测模型适应于不同的场景,提高了对不同场景下图像的检测精度。
主权项:1.一种目标检测模型的训练方法,其特征在于,所述方法包括:获取多个数据集,每个所述数据集包括源域图像以及目标域图像;所述源域图像中包括目标物体的标注信息;所述目标域图像中不包括目标物体的标注信息;将每个所述数据集中的所述源域图像以及所述目标域图像进行转换处理,得到过渡域图像;所述过渡域图像包括所述源域图像中的所述目标物体、所述源域图像中的所述标注信息以及所述目标域图像中的背景信息;将所述过渡域图像以及所述目标域图像输入对抗学习模型中,训练目标检测模型,得到训练后的目标检测模型;所述对抗学习模型包括目标检测模型以及域分类模型;所述目标检测模型以及所述域分类模型用于对抗学习。
全文数据:
权利要求:
百度查询: 深圳大学 一种目标检测模型的训练方法、目标检测方法及终端设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。