公开(公告)号：CN114549985A

公开(公告)日：2022-05-27

申请号：CN202210166807.7

申请日：2022-02-23

Applicant: 清华大学

Inventor： 张新钰 ,  李骏 ,  杨磊 ,  王力 ,  蒋涵 ,  吴新刚

IPC: G06V20/10 ,  G06V10/40 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明公开了一种基于自监督对比学习的目标检测方法，所述方法包括：将采集的待检测图像输入预先建立和训练好的目标检测模型，得到目标检测结果；在所述目标检测模型的训练环节引入自监督对比损失函数，引导目标检测模型学习高层场景语义信息。本发明采用的孪生组合数据增强方法能够有效地针对自监督学习方法扩充原有的数据集，提升模型对于数据中干扰噪声的鲁棒性；本发明实现的自监督模块通过目标网络和在线网络的对比学习，可引导模型学习高层次的语义信息，提升目标检测网络的检测精度。

公开(公告)号：CN114549985B

公开(公告)日：2023-01-31

申请号：CN202210166807.7

申请日：2022-02-23

Applicant: 清华大学

Inventor： 张新钰 ,  李骏 ,  杨磊 ,  王力 ,  蒋涵 ,  吴新刚

IPC: G06V20/10 ,  G06V10/40 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/08

Abstract: 本发明公开了一种基于自监督对比学习的目标检测方法，所述方法包括：将采集的待检测图像输入预先建立和训练好的目标检测模型，得到目标检测结果；在所述目标检测模型的训练环节引入自监督对比损失函数，引导目标检测模型学习高层场景语义信息。本发明采用的孪生组合数据增强方法能够有效地针对自监督学习方法扩充原有的数据集，提升模型对于数据中干扰噪声的鲁棒性；本发明实现的自监督模块通过目标网络和在线网络的对比学习，可引导模型学习高层次的语义信息，提升目标检测网络的检测精度。