1.一种基于回归增强的域自适应目标检测方法,其特征在于,所述方法包括:获取源域数据集;所述源域数据为图像数据;
将源域数据集输入至学生模型,并对所述源域数据集进行强弱增强,生成增强数据;
对所述增强数据进行特征提取,生成初始特征;
将所述初始特征输入至RPN进行分类和回归,生成粗定位框和回归输出值;
对所述粗定位框进行动态标签分配,筛选粗定位框正样本;
对所述粗定位框正样本进行回归损失计算,生成计算结果;
根据所述计算结果进行目标检测,生成检测结果;
对所述粗定位框进行动态标签分配,生成粗定位框正样本的步骤包括:对所述粗定位框进行动态标签分配,生成初始粗定位框正样本;
对所述初始粗定位框正样本进行动态IOU筛选,生成粗定位框正样本;
所述动态IOU筛选的IOU阈值计算公式如下:其中,是分配给真实边界框的候选框,是控制阈值更新速度的超参数;为IOU阈值;
对所述粗定位框进行动态标签分配,生成初始粗定位框正样本的步骤包括:根据粗定位框生成真实边界框和动态候选框;
计算所述真实边界框和所述动态候选框之间的匹配成本;
根据所述匹配成本生成初始粗定位框正样本;
所述匹配成本的计算公式如下:
其中,项表示候选框与真实边界框之间的IOU匹配成本;表示候选框和真实边界框形状的差异匹配成本;表示候选框和真实边界框之间的距离匹配成本;表示分类匹配成本。
2.根据权利要求1所述的一种基于回归增强的域自适应目标检测方法,其特征在于,将所述初始特征输入至RPN进行分类和回归,生成粗定位框和回归输出值的步骤包括:根据任务对齐头对所述初始特征进行分类,生成分类特征;
根据任务对齐头对所述初始特征进行回归,生成回归特征;
将所述分类特征和所述回归特征结合,生成结合特征;
根据所述结合特征生成回归输出值。
3.根据权利要求2所述的一种基于回归增强的域自适应目标检测方法,其特征在于,所述回归输出值的计算公式如下:其中,表特征图经过第i个分类卷积层后的输出结果,表特征图经过第i个回归卷积层后的输出结果,表示和的拼接特征。
4.一种基于回归增强的域自适应目标检测系统,其特征在于,应用于上述权利要求1至3任一项所述的一种基于回归增强的域自适应目标检测方法,所述系统包括:数据获取模块、特征提取模块、第一计算模块、第二计算模块;
所述数据获取模块被配置为:获取源域数据集;
所述特征提取模块被配置为:将源域数据集输入至学生模型,并对所述源域数据集进行强弱增强,生成增强数据;对所述增强数据进行特征提取,生成初始特征;
所述第一计算模块被配置为:将所述初始特征输入至RPN进行分类和回归,生成粗定位框和回归输出值;对所述粗定位框进行动态标签分配,筛选粗定位框正样本;
所述第二计算模块被配置为:对所述粗定位框正样本进行回归损失计算,生成计算结果;根据所述计算结果进行目标检测,生成检测结果。
5.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至3任一项所述一种基于回归增强的域自适应目标检测方法的步骤。
6.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至3任一项所述一种基于回归增强的域自适应目标检测方法的步骤。