原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
该发明公开了一种基于目标域泛化性估计的域自适应目标检测方法，涉及计算机视觉领域，具体涉及深度学习中无监督域自适应的目标检测方法。本发明使用辅助模块进行不一致性预测，避免了多次训练整个检测模型带来的巨额计算开销。通过辅助模块预测的不一致性来估计目标域上的泛化误差，进而直接对目标域上的目标检测性能进行优化，相比于单纯通过对抗训练进行间接优化的方式更为有效；将目标检测的分类与回归子任务分别进行优化，使得分类准确率更好、框定位更准确。通过置信度模块筛选高可信度的主分类器预测作为伪标签，充分发掘源域知识帮
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116563686 A
(43)申请公布日 2023.08.08
(21)申请号 202310556181.5 G06V 10/46 (2022.01)
文档评论（0）