[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

权利要求书

1.一种跨域检测模型的训练方法，其特征在于，所述训练方法包括：

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清洁机器人上，以使所述清洁机器人在目标域风格场景下进行目标检测。

2.根据权利要求1所述的跨域检测模型的训练方法，其特征在于，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。

3.根据权利要求2所述的跨域检测模型的训练方法，其特征在于，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：

基于所述第一训练数据集中的目标域训练标注数据集、第二训练数据集，对所述第一生成式对抗网络进行训练，得到所述第二生成式对抗网络，作为所述跨域检测模型，以使所述清洁机器人基于所述目标域训练标注数据集的标签信息，在所述目标域风格场景下进行目标检测。

4.根据权利要求1所述的跨域检测模型的训练方法，其特征在于，所述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的步骤包括：

将所述源域数据集中的源域数据输入第一生成式对抗网络；

通过所述第一生成式对抗网络将所述源域数据转换为黑暗风格的数据，以作为目标域风格的第二训练数据集。

5.一种基于跨域检测模型的跨域检测方法，其特征在于，所述跨域检测方法包括：

通过清洁机器人采集当前场景的真实目标域图像；

对所述真实目标域图像进行环境检测，得到检测结果，并根据所述检测结果判断所述清洁机器人是否处于黑暗场景；

若所述清洁机器人处于黑暗场景，则将所述真实目标域图像输入所述跨域检测模型进行目标识别，得到黑暗场景下的目标检测结果；

控制所述清洁机器人根据所述黑暗场景下的目标检测结果规划清扫路径；其中，所述跨域检测模型通过如权利要求1至4任一项所述的训练方法训练得到。

6.根据权利要求5所述的跨域检测方法，其特征在于，所述清洁机器人包括默认目标检测模型，所述根据所述检测结果判断所述清洁机器人是否处于黑暗场景的步骤之后包括：

若所述清洁机器人不处于黑暗场景，则将所述真实目标域图像输入所述默认目标检测模型进行推理，得到非黑暗场景下的目标检测结果；

控制所述清洁机器人根据所述非黑暗场景下的目标检测结果规划工作路径。

7.根据权利要求5所述的跨域检测方法，其特征在于，所述通过所述清洁机器人采集当前场景的真实目标域图像的步骤包括：

通过所述清洁机器人的图像传感器或测距传感器采集当前场景的真实目标域图像。