一种适用于单目3D目标检测任务的半监督学习方法
公开
摘要
本发明公开了一种适用于单目3D目标检测模型的半监督学习方法，所述方法包括：基于标注数据训练初始教师模型，根据得到的教师模型进行面向数据库的伪标签生成和基于合成图像的学生模型训练，将本轮次训练所得到的学生模型作为下一轮次的教师模型，如此迭代进行多轮次训练直至达到训练要求，得到训练好的学生模型即为单目3D目标检测模型；在训练中采用目标边界框位置不确定度估计方法过滤噪声伪标签，进一步提升半监督训练效果。本发明利用额外的无标签数据，有效提升单目3D目标检测相关算法的精度指标；提出了一种目标边界框位置不确定度估计方法，用于有效过滤噪声伪标签，进一步提升半监督学习的训练效果。
基本信息
专利标题 ：
一种适用于单目3D目标检测任务的半监督学习方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114581350A
申请号 ：
CN202210166805.8
公开（公告）日 ：
2022-06-03
申请日 ：
2022-02-23
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
李骏杨磊张新钰王力吴新刚
申请人 ：
清华大学
申请人地址 ：
北京市海淀区清华园1号
代理机构 ：
北京三聚阳光知识产权代理有限公司
代理人 ：
张建纲
优先权 ：
CN202210166805.8
主分类号 ：
G06T5/50
IPC分类号 ：
G06T5/50 G06T7/11 G06T7/12 G06T11/40 G06V10/762 G06V10/774 G06K9/62
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T5/00
图像的增强或复原
G06T5/50
通过使用多于一幅图像的，例如平均、减少
法律状态
2022-06-03 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
