摘要
本发明公开了一种基于YOLO架构的目标检测方法及系统,属于人工智能技术领域,能够提升复杂场景下多尺度目标的检测精度;包括通过初始YOLO模型对有标签训练图像和无标签训练图像进行目标检测,生成第一检测结果;基于教师模型对无标签训练图像进行分类,生成伪标签;根据第一检测结果的置信度筛选超过预设置信度阈值的高置信度检测框,并基于高置信度检测框的数量分布动态调整初始YOLO模型中分类检测头、回归检测头和置信度检测头的权重系数,生成权重优化后的目标检测模型;计算有标签训练图像的检测误差和无标签训练图像的伪标签误差,并根据两者加权求和结果迭代更新权重优化后的目标检测模型;基于更新后的目标检测模型对待检测图像进行目标检测。
技术关键词
YOLO模型
置信度阈值
检测头
标签
检测误差
Softmax函数
环形缓冲区
阶段
误差加权
动态权重分配
图像获取模块
可读存储介质
人工智能技术
教师
计算机程序产品
输出特征
处理器
系统为您推荐了相关专利信息
智能生成方法
关键字
人机界面显示
多头注意力机制
更新模型参数
人工智能模块
子模块
自然语言
智慧服务系统
生成通知
多模态传感器
多源融合
分析方法
连续性
环境感知数据
漏洞检测方法
信道特征
神经网络模型
终端
标签模型