一种货柜小目标半监督识别方法及系统

本发明公开了一种货柜小目标半监督识别方法及系统，属于人工智能与计算机视觉技术领域，利用预训练的目标检测模型对货柜图片进行目标检测，截取子图并输入初始分类模型得到分类置信度；通过蒙特卡洛Dropout方法量化模型对样本分类结果的不确定性；结合特征空间距离过滤与动态阈值调整机制，筛选出高置信度、低不确定性且特征空间一致的样本作为伪标签数据；将伪标签数据与初始合成数据混合，通过半监督迭代训练逐步提升模型的泛化能力。本发明能够显著降低对人工标注的依赖，同时逐步缩小合成数据与真实场景数据的分布差异，最终实现分类模型在真实场景中的高精度识别与强泛化能力。