目标检测网络的训练方法、目标检测方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115578763A(43)申请公布日2023.01.06(21)申请号202211095762.5(22)申请日2022.09.08(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人武文琦(74)专利代理机构北京市一法律师事务所11654专利代理师李琳娜刘荣娟(51)Int.Cl.G06V40/16(2022.01)G06N3/04(2006.01)G06N3/08(2006.01)G06V10/774(2022.01)G06V10/82(2022.01)权利要求书2页说明书11页附图2页(54)发明名称目标检测网络的训练方法、目标检测方法及系统(57)摘要本说明书提供的目标检测网络的训练方法、目标检测方法及系统，获取多个源域训练数据中每个训练数据的混合特征，通过目标检测网络的判别器以对抗的方式迭代训练目标检测网络的解耦器，使解耦器通过从混合特征中迭代生成类无关特征和域特定特征而解耦出域不变特征，直到解耦器通过判别器的判别为止。用来训练目标检测网络的源域训练数据中不包括新域中的数据，但训练好的目标检测网络能够冷启动处理新域中的数据且能够获得与处理源域数据相近的效果。而且，目标检测网络对输入数据的域不敏感，应用在新域上会表现出很好的跨域鲁棒性。CN115578763ACN115578763A权利要求书1/2页1.一种目标检测网络的训练方法，所述目标检测网络对输入数据的域不敏感并能够冷启动处理新域数据获得与处理源域数据相近的效果，所述方法包括：获取多个所述源域训练数据中每个所述训练数据的混合特征，所述混合特征包括多个相互耦合的特征，所述多个源域训练数据中不包括所述新域中的数据，所述新域为未使用所述目标检测网络进行目标检测的域；以及通过所述目标检测网络的判别器以对抗的方式迭代训练所述目标检测网络的解耦器，使所述解耦器通过从所述混合特征中迭代生成类无关特征和域特定特征而解耦出域不变特征，直到所述解耦器通过所述判别器的判别为止，其中，所述类无关特征包括与所述训练数据的类别无关的特征，所述域特定特征包括每个域的所述训练数据所特有的特征，所述域不变特征包括不同域的所述训练数据之间的共有特征。2.如权利要求1所述的方法，其中所述数据包括图像数据；以及所述目标检测网络还包括生成器，所述获取多个训练数据中每个所述训练数据的混合特征包括：将每个所述训练数据输入所述生成器进行特征提取；以及获取所述生成器输出的所述训练数据的所述混合特征。3.如权利要求1所述的方法，其中所述判别器包括类判别器和域判别器，所述类判别器被配置为输出类别，所述域判别器被配置为输出域，所述通过所述判别器以对抗的方式迭代训练所述解耦器包括：固定所述类判别器以对抗的方式迭代训练所述解耦器，使所述解耦器迭代地从所述混合特征中生成所述类无关特征，以及固定所述域判别器以对抗的方式迭代训练所述解耦器，使所述解耦器迭代地从所述混合特征中生成所述域特定特征，直到所述类无关特征通过所述类判别器的判别以及所述域特定特征通过所述域判别器的判别为止，其中，所述域不变特征包括所述混合特征中除了所述类无关特征和所述域特定特征之外的特征。4.如权利要求3所述的方法，其中所述类无关特征通过所述类判别器的判别包括：所述类判别器无法判别出所述类无关特征所属的类别，以及所述域特定特征通过所述域判别器的判别包括：所述域判别器无法判别出所述域特定特征所属的域。5.如权利要求3所述的方法，其中所述类判别器在首次训练所述解耦器之前已经基于所述多个训练数据完成训练，所述域判别器在首次训练所述解耦器之前已经基于所述多个训练数据完成训练。6.如权利要求1所述的方法，其中所述目标检测网络还包括第一重建器，所述方法还包括：将所述类无关特征和所述域不变特征输入所述第一重建器进行特征重建，输出第一重建特征；以及以所述第一重建特征与所述混合特征的差异在第一预设范围内为优化目标优化所述目标检测网络，使所述类无关特征和所述域不变特征在迭代训练所述解耦器的过程中始终2CN115578763A权利要求书2/2页服从正态分布。7.如权利要求1所述的方法，其中所述重建器还包括第二重建器，所述方法还包括：将所述域特定特征和所述域不变特征输入所述第二重建器进行特征重建，输出第二重建特征；以及以所述第二重建特征与所述混合特征的差异在第二预设范围内为优化目标优化所述目标检测网络，使所述域特定特征和所述域不变特征在迭代训练所述解耦器的过程中始终服从正态分布。8.如权利要求1所述的方法，其中所述方法还包括：计算所述类无关特征和所述域不变特征之间的第一互信息，以及所述域特定特征和所述域不变特征之间的第二互信息；以及以所述第一