基于半监督的异源电力设备图像检测模型训练方法

本发明公开了一种基于半监督学习的异源电力设备图像检测模型训练方法，旨在通过利用少量标注数据与大量无标注数据相结合，提升电力设备图像检测的准确性和训练效率，采用生成对抗网络GAN与自监督学习框架，在有限标注数据的基础上，通过无标签数据的辅助训练，实现了高精度的电力设备检测；首先对标注数据进行训练生成初步模型，然后利用生成对抗网络生成伪标签，结合自监督学习方法增强特征表示能力，并通过半监督学习的方式进行联合训练，能够有效减少对标注数据的依赖，降低标注成本，同时提升模型在复杂和异源电力设备图像中的泛化能力和准确度。实验结果表明，本发明的方法在电力设备图像检测任务中具有显著的性能提升和广泛的应用前景。