本發明公開了一種基于雙偽標簽優化學習的RGB圖像半監督目標檢測方法,對于訓練批量中的有標注圖像,首先對圖像進行數據增廣操作,然后利用真實標簽監督學生模型在圖像上的學習。對于無標注圖像,分別獲得其弱增強圖像和強增強圖像。使用構建的偽類別優化網絡和偽包圍框優化網絡分別對教師模型在弱增強圖像的預測結果進行優化,從而獲得該圖像的偽類別標簽和偽包圍框標簽。然后利用該圖像的偽類別標簽和偽包圍框標簽監督學生模型在弱增強圖像上的學習。最后,在有標注圖像上構造用于訓練偽類別優化網絡和偽包圍框優化網絡的樣本和,然后用相應的標簽監督優化網絡的學習。本發明可以顯著提升高質量偽標簽的數量,進而提升RGB圖像目標檢測的效果。
聲明:
“基于雙偽標簽優化學習的RGB圖像半監督目標檢測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)