[发明专利]跨域检测模型的训练方法、跨域检测方法及相关设备

说明书

本发明公开了一种跨域检测模型的训练方法、跨域检测方法及相关设备，该跨域检测模型的训练方法包括：获取源域数据集和目标域数据集，作为第一训练数据集；通过第一训练数据集对初始生成式对抗网络进行训练，得到第一生成式对抗网络；将源域数据集中的源域风格数据输入第一生成式对抗网络进行转换，得到目标域风格的第二训练数据集；基于第一训练数据集中的目标域数据集、第二训练数据集，对第一生成式对抗网络进行训练，得到用于目标域风格场景下目标检测的第二生成式对抗网络，作为跨域检测模型；将跨域检测模型部署至清洁机器人上。本发明解决了当清洁机器人在黑暗环境工作时需重新对目标检测模型进行训练的问题，降低资源耗损，节省时间。

技术领域

本发明涉及清洁机器人技术领域，尤其涉及一种跨域检测模型的训练方法、跨域检测方法及相关设备。

背景技术

随着人们生活水平的不断提高，智能家电的应用越来越广泛，智能家电大大提高了人们生活的舒适性和便利性。清洁机器人是智能家电的一种，其可以在房间内自动完成地板清理工作。

清洁机器人并不一定只在光亮的环境工作，因此当清洁机器人在黑暗的环境工作时，需要目标检测模型对黑暗的图像数据进行推理，然后根据推理后的图像数据规划工作路径，从而保证正常工作。对于清洁机器人而言，现有目标检测模型为基于AI的目标检测方法，通常需要标注大量的数据来训练目标检测模型。在训练目标检测模型时，若采用的图像数据是基于白天场景下采集的数据，那么所训练的模型就不能很好的在黑暗环境下工作。为了解决这一问题，一般的方法是重新在目标域采集、标注大量数据并基于这些数据对模型重新进行训练，但是这样会耗费大量时间和资源。

因此，有必要提出一种跨域检测模型的训练方法以达到无需重新对目标检测模型进行训练，即可自动生成目标域图像数据的目的。

发明内容

本发明实施例的主要目的在于提供一种跨域检测模型的训练方法、跨域检测方法及相关设备，旨在解决当清洁机器人在黑暗环境工作时需重新对目标检测模型进行训练的问题，以降低资源耗损，节省时间。

为实现上述目的，第一方面，本发明实施例提供一种跨域检测模型的训练方法，所述跨域检测模型的训练方法包括：

获取源域数据集和目标域数据集，作为第一训练数据集；其中，所述源域数据和目标域数据所属场景不同；

通过所述第一训练数据集对初始生成式对抗网络进行训练，得到可生成目标域风格数据的第一生成式对抗网络；

将所述源域数据集中的源域风格数据输入所述第一生成式对抗网络进行转换，得到目标域风格的第二训练数据集；

基于所述第一训练数据集中的目标域数据集、第二训练数据集，对所述第一生成式对抗网络进行训练，得到用于目标域风格场景下目标检测的第二生成式对抗网络，作为跨域检测模型；

将所述跨域检测模型部署至所述清洁机器人上，以使所述清洁机器人在所述目标域风格场景下进行目标检测。

可选地，所述获取源域数据集和目标域数据集，作为第一训练数据集的步骤包括：

在光亮场景下采集源域风格的源域数据集，所述源域风格为明亮风格；

对所述源域数据集进行标注，得到源域训练标注数据集；

在黑暗场景下采集目标域风格的目标域数据集，所述目标域风格为黑暗风格；

对所述目标域数据集进行标注，得到目标域训练标注数据集；

将所述源域训练标注数据集、目标域训练标注数据集作为第一训练数据集。

可选地，所述基于所述第一训练数据集中的目标域数据集、第二训练数据集，对所述第一生成式对抗网络进行训练，得到用于目标域风格场景下目标检测的第二生成式对抗网络，作为跨域检测模型的步骤包括：