[发明专利]一种基于无监督域适应的目标检测定位优化方法

摘要

本发明公开了一种基于无监督域适应的目标检测定位优化方法，旨在解决现有域适应目标检测方法在从有标签数据集向无标签数据集迁移的情况下对物体所处位置的定位能力不足的技术问题。本发明包括步骤：1)数据处理；2)模型构建；3)定义损失函数；4)模型训练；5)模型验证。本发明提出了新的特征提取网络模型，适用于针对无标签的数据集，定位更优化，物体定位的表现效果好。

主权项

1.一种基于无监督域适应的目标检测定位优化方法，其特征在于，包括以下步骤：1)数据预处理对于训练使用的两个数据集，将其中现有的有标签的数据集定为源域，无标签的数据集定为目标域；将目标域的部分数据划分为验证集，其他目标域数据以及源域数据作为训练集，并通过预处理将图像与标签转化为训练深度卷积网络所需格式；2)模型构建使用Caffe深度学习框架搭建卷积神经网络结构，根据训练目标以及模型的输入输出，构建一个定位优化的目标检测深度卷积神经网络；3)定义损失函数根据训练目标以及模型架构，定义所需损失函数；4)模型训练初始化各个网络参数，通过迭代输入训练集中的图片，根据损失函数计算得到损失值，通过反向传播计算出各个网络层参数的梯度，使用随机梯度下降法对各个网络层的参数进行更新；5)模型验证去除网络模型中多余的部分，并将验证集中的图片输入网络模型进行验证，测试其泛化能力。