极端天气下基于半监督学习的跨域目标检测方法和系统

本发明所提供的极端天气下基于半监督学习的跨域目标检测方法和系统，该方法包括：通过蒸馏使得学生模型学习训练好的教师模型的边界框回归知识而具备在极端天气下的回归能力，利用扩散模型生成的更接近目标域且噪声更小的中间态图像，对蒸馏阶段得到的具备在极端天气下的回归能力的预训练检测模型进行实例级别的特征对抗训练，基于对抗训练后的检测模型确定新的教师模型和新的学生模型，在微调阶段，利用动态类别伪标签筛选策略对新的教师模型生成的伪标签进行筛选，利用筛选出的目标域伪标签训练新的学生模型得到用于对极端天气下的待检测图像进行检测的目标检测模型，能够减少现有技术在极端天气场景的漏检和错检现象，并保持原有推理速度。