买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南通大学

摘要：本发明公开了一种基于改进半监督学习的电瓶车头盔识别方法，包含以下步骤：S1、通过相机拍摄各种场景下电瓶车驾驶员戴头盔的图片，制作电瓶车头盔数据集，并对数据进行增强；S2、使用Faster‑RCNN作为头盔识别模型，半监督学习的基本流程采用教师‑学生模型，训练头盔识别模型；S3、对半监督学习方法进行改进，并对改进后的模型进行训练；S4、使用训练好的学生模型进行电瓶车头盔识别。与现有电瓶车头盔识别方法相比，本发明提出改进的半监督学习方法，相比于传统的半监督学习模型，本发明的方法准确率更高，且不会增加推理时间。本发明的模型能够适应不同场景、不同天气下的电瓶车头盔检测，模型的实用性和泛化性更好。

主权项：1.一种基于改进半监督学习的电瓶车头盔识别方法，其特征在于，包含以下步骤：S1、通过相机拍摄各种场景下电瓶车驾驶员戴头盔的图片，制作电瓶车头盔数据集，并通过图像处理的方法对数据进行增强；S2、使用Faster-RCNN深度神经网络作为头盔识别模型，半监督学习的基本流程采用教师-学生模型，用于训练头盔识别模型；S3、对半监督学习方法进行改进，并对改进后的模型进行训练；S4、使用训练好的学生模型进行电瓶车头盔识别；所述S3中设计两个容池:类别置信度容池和类别实例容池；其中容池是模型训练过程中用于保存数据的中间变量，所述类别置信度容池、类别实例容池表示保存每个类别预测置信度、类别实例的变量，具体包括以下步骤：S3.1、类别置信度容池在教师-学生相互学习阶段进行更新，类别置信度容池在训练过程中，记录每一次迭代各个类别的预测置信度，并把类别置信度容池中类别的置信度作为自适应记忆损失的采样概率；S3.2、类别实例容池用于保存图片以及相对应的标签，对于半监督学习中有标签的部分，类别实例容池直接根据其标签生成对应的实例组合，即图片+对应的标签，而对于无监督的部分，类别实例容池使用更高质量的伪标签来更新之前用于训练的低质量的伪标签；S3.3、自适应记忆损失首先基于类别置信度容池计算出每一类建议框的采样概率，之后基于采样概率随机采样建议框，对于采样后的建议框，使用Focalloss损失函数计算分类损失；S3.4、自适应前景融合首先基于类别置信度容池选出对应的类别，接着从类别实例容池选出包含被选类的图片，对于选中的图片，依据标签仅保留前景类别，背景以及图片中未被选择的前景都被去除。

全文数据：

权利要求：

百度查询： 南通大学 一种基于改进半监督学习的电瓶车头盔识别方法