[发明专利]一种基于多层特征对齐的跨域目标检测方法

摘要

本发明公开了一种基于多层特征对齐的跨域目标检测方法。首先，通过深度卷积神经网络在有边框标注的源域数据集上训练检测器。然后，将训练好的检测器作为预训练模型，并通过深度卷积神经网络VGG‑16对源域与没有边框标注的目标域的图片进行特征提取，使源域与目标与共享特征参数。其次，设计领域分类器，将提取到的多层源域与目标域的特征层作为领域分类器的输入，判断特征层是来自于源域还是目标域。再通过对抗生成网络的训练方式，使得源域与目标域的特征分布对齐，进而减少两个领域之间的数据偏差。最后，通过将检测器与判别器进行联合训练，从而得到最终的模型。本发明实现了将源域知识迁移到目标域，提升了无边框标注的目标域数据的检测精度。

主权项

1.一种基于多层特征对齐的跨域目标检测方法，其特征在于，包括以下步骤：Step1：对源域数据和目标域数据进行预处理；Step2：将预处理后的源域数据输入SSD检测模型，通过对有标注信息的源域数据进行端到端的训练，得到一个全监督的初始检测模型，并作为下一步训练的预训练模型；Step3：利用预训练模型对预处理后的源域数据和目标域数据进行特征提取；Step4：使用对抗生成网络实现源域与目标域多层特征对齐；Step5：将对抗生成网络即对齐网络模型与预训练模型联合训练，得到在源域数据集上训练好的最终检测模型。