[發明專利]基于中心對齊和關系顯著性的無監督域適應目標檢測方法

有效

• 申請號: 202010104273.6
• 申請日: 2020-02-20
• 公開（公告）號: CN111340021B
• 公開（公告）日: 2022-07-15
• 發明（設計）人: 張勇東;張天柱;吳澤遠
• 申請（專利權）人: 中國科學技術大學
• 主分類號: G06V10/25
• 分類號: G06V10/25;G06V10/764;G06N3/08
• 代理公司: 北京凱特來知識產權代理有限公司 11260
• 代理人: 鄭立明;鄭哲

本發明公開了一種基于中心對齊和關系顯著性的無監督域適應目標檢測方法，訓練階段，對于源域與目標域的圖像通過檢測器產生對應的目標區域提案；對目標區域提案與類別中心進行關系建模，并更新類別中心與目標區域提案；利用更新得到的類別中心來拉近目標域和源域之間每一類的距離，使得目標域的不同類別之間借助源域信息拉開距離；訓練完畢后，直接對目標域圖像進行分類檢測。該方法不需要單獨地計算類別中心，而是把類別中心與目標區域提案放入圖中一起更新，因此模型可被端到端訓練；在類別中心對齊時，能在縮小源域和目標域分布差異的同時，擴大目標域的類間差異，從而有效地對目標域進行分類。

技術領域

本發明涉及目標檢測技術領域，尤其涉及一種基于中心對齊和關系顯著性的無監督域適應目標檢測方法。

背景技術

目標檢測作為計算機視覺方向的基礎問題，近些年在深度學習的推動下已取得飛速進步，然而目標檢測面臨一個嚴重的問題，當測試數據的分布與訓練數據不同時，檢測性能會嚴重下降，這一問題稱為“域偏移”，其中用于訓練模型的數據域稱為源域，測試數據域稱為目標域，解決這一問題的一個辦法就是收集目標域的數據，并進行標注，然后基于目標域數據進行訓練，然而人工進行數據標注，耗費大量的人力物力，尤其是目標檢測這樣需要標注位置的任務。

近幾年在圖像識別領域出現一種稱為無監督域適應的方法，主旨思想是進行源域和目標域的分布匹配，這一方法可以將訓練好的模型遷移到其他領域，同時盡力維持較好的性能，有效地緩解了數據標注的壓力。這一方法也開始應用于目標檢測領域，不過目前的方法基本沿用圖像識別的經驗，沒有充分考慮到目標檢測自身的特點，具體表現為：(1)將圖像中的目標單獨考慮，未能充分利用圖像中多個目標的關系。(2)采用的無監督域適應方法往往從整個域的角度進行對齊，未能細化考慮目標域數據的類別信息，從而導致分類效果較差。

發明內容

本發明的目的是提供一種基于中心對齊和關系顯著性的無監督域適應目標檢測方法，可有效用于目標檢測。

本發明的目的是通過以下技術方案實現的：

一種基于中心對齊和關系顯著性的無監督域適應目標檢測方法，包括：

訓練階段，對于源域與目標域的圖像通過檢測器產生對應的目標區域提案，所述目標區域提案是指從可能存在目標的區域提取出來的特征；對目標區域提案與類別中心進行關系建模，并更新類別中心與目標區域提案；利用更新得到的類別中心來拉近目標域和源域之間每一類的距離，使得目標域的不同類別之間借助源域信息拉開距離；

訓練完畢后，直接對目標域圖像進行分類檢測，即首先產生目標域圖像的目標區域提案，再對目標域圖像的目標區域提案與類別中心進行關系建模，將最終更新得到的目標區域提案通過最后的分類器和回歸器得到目標檢測結果。

由上述本發明提供的技術方案可以看出，不需要單獨地計算類別中心，而是把類別中心與目標區域提案放入圖中一起更新，因此模型可被端到端訓練；在類別中心對齊時，能在縮小源域和目標域分布差異的同時，擴大目標域的類間差異，從而有效地對目標域進行分類。

附圖說明

為了更清楚地說明本發明實施例的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域的普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他附圖。

圖1為本發明實施例提供的一種基于中心對齊和關系顯著性的無監督域適應目標檢測方法的流程圖。

具體實施方式

下面結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于本發明的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明的保護范圍。