摘要
本发明公开一种用于人工智能模型的训练方法,所述模型包括教师模型和学生模型,所述方法包括将检测库中带标注的毫米波人体图像和未标注的毫米波人体图像按照预设比例输入至学生模型进行训练,获得学生模型的预测结果;将检测库中未标注的毫米波人体图像输入至教师模型,获得教师模型的预测结果,将所述教师模型的预测结果作为教师模型中未标注的毫米波人体图像的伪标签;根据教师模型中颈部金字塔网络获得教师模型中未标注的毫米波人体图像的软标签;根据教师模型中未标注的毫米波人体图像的伪标签、软标签和学生模型的预测结果构建损失函数;所述学生模型基于损失函数进行迭代,通过所述教师模型对所述迭代后的学生模型的迭代结果进行检测。
技术关键词
教师
金字塔网络
学生
人体
标签
图像
人工智能模型
多尺度注意力机制
融合特征
全局平均池化
分支
特征提取网络
非监督
蒸馏
参数
像素点
精度
速度
系统为您推荐了相关专利信息
智能节点
人工神经网络
残差模块
标签
分布式智能
生理监测设备
儿童健康
指标
中小学校
虚拟场景体验
电能分项计量
计量误差
检测模型训练方法
序列
频段
高级威胁检测方法
终端设备
服务器
内存
进程CPU占用率