一种基于平均教师模型的血红细胞测试时域适应检测方法

本发明提供一种基于平均教师模型的血红细胞测试时域适应检测方法，属于深度学习领域，包括预训练、数据增强、随机恢复、损失计算以及教师模型与学生模型的更新。首先，在源域数据上预训练基准检测模型以获得初始特征。在测试阶段，目标域数据分别经过弱增强和强增强后输入教师模型和学生模型。输入教师模型后生成伪标签，以减轻持续适应过程中误差累积的影响；学生模型通过与教师模型预测结果的交叉熵损失进行优化，教师模型通过指数移动平均方法更新。此外还采用随机恢复方法，从源域预训练模型显式恢复知识到学生模型，有效缓解灾难性遗忘问题。最终模型能在测试时对目标域数据保持良好性能。