基于模型迁移学习的目标检测模型训练方法及系统

本公开的实施例提供了一种基于模型迁移学习的目标检测模型训练方法及系统。应用于迁移学习技术领域，所述方法包括：获取目标检测模型和目标域数据，确定冻结层和微调层策略，训练模型并计算源域与目标域参数差异，调整正则化和负迁移参数。整合自适应正则化公式至损失函数，持续优化训练。每轮训练后更新损失函数，评估源域和目标域性能，检测负迁移并采取缓解措施，直至模型达到预设标准。本方案能通过精确的策略和动态调整，提高模型在目标域任务上的性能，并避免过度拟合或负迁移，最终获得一个既能保留源域知识又能适应目标域任务的高质量模型。