一种基于迭代伪全监督训练的弱监督目标检测方法及系统

本发明涉及深度学习的目标检测技术领域，具体涉及一种基于迭代伪全监督训练的弱监督目标检测方法及系统，本发明提出一种精炼策略，该精炼策略的核心是：将任意两个具有相同类别、较高类别分数和交并比的伪真值实例按照各自的类别分数进行加权融合，而不是像现有方法那样将类别分数相对较低的伪真值实例删除，加权融合后的伪真值实例相比融合前的伪真值实例可以更大限度的覆盖目标体，从而能够有效地提升检测效果。另一方面，利用本发明提出的伪真值更新策略对精炼后的伪真值进行更新，再用更新后的伪真值训练YOLO模型，最终，通过对YOLO模型持续的迭代训练就可以解决目标漏检问题，从而提高模型检测的召回率。