申请/专利权人：浙江智慧视频安防创新中心有限公司

申请日：2020-09-15

公开（公告）日：2024-03-22

公开（公告）号：CN112052818B

主分类号：G06V40/20

分类号：G06V40/20;G06V40/10;G06V20/52;G06V10/40;G06V10/82;G06N3/0464;G06N3/088

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2021.01.22#实质审查的生效;2020.12.08#公开

摘要：本申请实施例中提供了一种无监督域适应的行人检测方法、系统及存储介质，本申请采用迁移学习来加强模型的迁移能力，通过无监督域适应的方法，即通过已有场景下的有标签数据和新场景下的无标签数据共同训练模型，使得模型可以将已有场景的数据表现能力迁移到新场景数据上。本申请只需要采集新场景下的无标签图像数据，不需要重新进行大量的图像标注，大大节省了开发过程中由于数据标注带来的人力物力消耗，提高了效率；提高了模型的迁移能力，更能适应场景的变化。

主权项：1.一种无监督域适应的行人检测方法，其特征在于，包括以下步骤：随机选取有标签图像数据以及无标签图像数据；所述有标签图像数据通过随机数据增强得到增强有标签图像数据；所述无标签图像数据通过随机数据增强分别得到第一增强无标签图像数据以及第二增强无标签图像数据；输入所述增强有标签数据至第一行人检测网络，得到第一行人预测特征；输入所述第一增强无标签图像数据至第一行人检测网络，得到第二行人预测特征；输入所述第二增强无标签图像数据至第二行人检测网络得到第三行人预测特征；所述第一行人检测网络以及第二行人检测网络初始采用相同的神经网络架构；所述第二行人检测网络的权值参数通过对第一行人检测网络的权值计算训练过程中的指数滑动平均得到；根据所述有标签图像数据的标签特征以及第一行人预测特征，得到监督学习代价；根据所述第二行人预测特征以及第三行人预测特征，得到一致性代价；根据所述监督学习代价以及一致性代价相加，得到总代价；根据所述总代价，通过随机梯度下降算法，更新第一行人检测网络的权值参数；根据所述第一行人检测网络的权值参数，通过指数滑动平均算法，更新第二行人检测网络的权值参数。

全文数据：

权利要求：

百度查询： 浙江智慧视频安防创新中心有限公司 无监督域适应的行人检测方法、系统及存储介质

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD