[发明专利]一种基于CycleGAN的无人艇域自适应目标检测方法

权利要求书

1.一种基于CycleGAN的无人艇域自适应目标检测方法，其特征在于：具体步骤如下：

步骤一：在特定场景下采集海面图像，利用无人艇搭载的光学相机在真实海洋环境中采集海面图像，构建源域数据集并进行人工标注；

步骤二：采用源域数据集对目标检测网络进行训练得到初始模型，利用YOLOv5作为目标检测网络，利用源域数据集对其进行训练得到初始模型；

步骤三：在新的场景下采集海面图像作为目标域数据集；

步骤四：将源域图像和目标域图像同时输入到CycleGAN网络中进行训练，得到将源域图像转化为目标域图像风格的生成器；

步骤五：利用训练好的生成器将带标注的源域图像转化为目标域图像风格，得到生成的目标域数据集；

步骤六：使用生成的目标域数据集对训练好的初始目标检测模型进行微调，得到新的目标检测模型；

步骤七：当无人艇的遇到新的场景时，重复步骤三至步骤六。

2.权利要求1所述一种基于CycleGAN的无人艇域自适应目标检测方法，其特征在于：所述步骤二中采用源域数据集对YOLOv5进行训练，训练过程中同时考虑类别损失、回归损失和置信度损失，采用SGD随机梯度下降对参数进行更新，直至损失值收敛。

3.权利要求1所述一种基于CycleGAN的无人艇域自适应目标检测方法，其特征在于：所述步骤三中新的场景具体是指由于光照、气候等海面环境的动态变化，而导致海面场景不同于采集源域图像时的场景。

4.权利要求1所述一种基于CycleGAN的无人艇域自适应目标检测方法，其特征在于：所述步骤四中CycleGAN网络是一种生成对抗网络，其目的旨在学习两个不同域之间的映射，即G_T:x₁→x₂和G_S:x₂→x₁；CycleGAN由两个GAN网络组成，其中除了两个生成器G_T和G_S，还有两个判别器D_T和D_S；D_T是去判断x₂和G_T(x₁)之间的差别，D_S失去区分x₁和G_S(x₂)之间的差别；CycleGAN的损失函数由对抗损失和循环一致性损失组成。

5.权利要求4所述一种基于CycleGAN的无人艇域自适应目标检测方法，其特征在于：所述对抗损失具体是指生成图像与真实图像之间的损失，其目的是使生成图像与真实图像风格更相似；对于生成器G_T和判别器D_T，其对抗损失函数公式如下所示：

其中，G_T将源域图像x₁生成目标域图像G_T(x₁)使其与真实目标域图像x₂风格相似，判别器D_T旨在区分生成图像G_T(x₁)与真实图像x₂；对于判别器D_S和生成器G_S，其对抗损失函数表示为L_GAN(G_S,D_S,S,T)。