[发明专利]一种域自适应撞击坑检测方法、系统、装置及存储介质

权利要求书

1.一种域自适应撞击坑检测方法，其特征在于，包括：

获取任务样本；其中，所述任务样本包括已知标签的源域样本和未知标签的目标域样本；

利用特征金字塔网络，对所述任务样本进行特征提取，获得特征图；

其中，所述特征提取网络包括低级特征增强模块和圆形边界增强模块；所述特征图包括第一特征图和第二特征图；

对所述特征图进行线性变换，通过渐进域自适应网络获得中间子空间特征；

利用区域推荐网络，分别对所述中间子空间特征和所述第二特征图进行分析，获得中间边界框检测结果和目标域边界框检测结果；

利用加权实例级对齐网络，对所述中间边界框检测结果和所述目标域边界框检测结果进行相似度加权，得到目标检测结果。

2.根据权利要求1所述的一种域自适应撞击坑检测方法，其特征在于，还包括：

利用分类损失和回归损失作为整体网络的损失函数，对所述整体网络进行训练；

其中，所述整体网络包括所述加权实例级对齐网络。

3.根据权利要求1所述的一种域自适应撞击坑检测方法，其特征在于，还包括：

基于低级特征增强模块和圆形边界增强模块，结合卷积网络，构建特征金字塔网络；

其中，所述特征金字塔网络包括两个分支，所述两个分支均包括所述卷积网络连接并列的所述低级特征增强模块和所述圆形边界增强模块。

4.根据权利要求3所述的一种域自适应撞击坑检测方法，其特征在于，所述利用特征金字塔网络，对所述任务样本进行特征提取，获得特征图，包括：

通过所述卷积网络对所述任务样本进行卷积处理；

通过所述低级特征增强模块利用注意机制对所述卷积处理后的任务样本进行低级语义信息增强处理；

通过所述圆形边界增强模块利用对角卷积对所述卷积处理后的任务样本进行域不变特征增强处理；

融合所述低级语义信息增强处理和所述域不变特征增强处理得到的特征，得到特征图；

其中，所述第一特征图通过所述已知标签的源域样本进行特征提取得到，所述第二特征图通过所述未知标签的目标域样本进行特征提取得到。

5.根据权利要求4所述的一种域自适应撞击坑检测方法，其特征在于，所述低级特征增强模块包括第一分支、第二分支和第三分支，所述通过所述低级特征增强模块利用注意机制对所述卷积处理后的任务样本进行低级语义信息增强处理，包括：

根据所述卷积处理后的任务样本，在所述第一分支、所述第二分支和所述第三分支均通过1×1卷积，分别得到第一特征、第二特征和第三特征；

根据所述第一特征，在所述第一分支通过Softmax，得到第四特征；

乘以所述第四特征和所述第二特征，并添加到所述第三特征。

6.根据权利要求4所述的一种域自适应撞击坑检测方法，其特征在于，所述圆形边界增强模块包括第四分支和第五分支，所述通过所述圆形边界增强模块利用对角卷积对所述卷积处理后的任务样本进行域不变特征增强处理，包括：

根据所述卷积处理后的任务样本，在所述第一分支利用两组1×1卷积使用移位减法运算，得到第五特征；

根据所述卷积处理后的任务样本，在所述第五分支通过3×3卷积，得到第六特征；

添加所述第六特征到所述第五特征。

7.根据权利要求1所述的一种域自适应撞击坑检测方法，其特征在于，所述对所述特征图进行线性变换，通过渐进域自适应网络获得中间子空间特征，包括：

对所述特征图进行线性变换，得到第一子空间和第二子空间；其中，所述第一子空间通过所述第一特征图进行线性变换得到，所述第二子空间通过所述第二特征图进行线性变换得到；

基于所述第一子空间和所述第二子空间，通过所述渐进域自适应网络的超参数的自适应变化，得到多个中间域特征；

通过采样多个所述中间域特征的其中一个特征作为中间子空间特征。