[发明专利]一种协调特征一致性和特异性的跨域目标检测方法及系统

权利要求书

1.一种协调特征一致性和特异性的跨域目标检测方法，其特征在于，包括：

步骤1，根据实际应用需求，构建源域数据集和目标域数据集，并搭建能够初步提取一致性特征的基准跨域目标检测模型；

步骤2，在基准跨域目标检测模型上设置特征特异性记忆读写模块和特征一致性加权对齐模块，通过特征特异性记忆读写模块不断更新记忆单元中能够代表不同类别特征信息的记忆元素，指导基准跨域目标检测模型对特征特异性进行学习，再通过特征一致性加权对齐模块使用源域和目标域记忆元素来引导源域和目标域相同类别的记忆元素进行混淆、以及根据待检测目标类别出现的比例对每个类别级域判别器的损失函数进行加权，在语义特异性基础上进一步引导特征对跨域一致性的学习，得到能够在跨域目标检测中对特征的特异性和一致性进行协调的跨域目标检测模型；

步骤3，以协调特征一致性和特异性的跨域目标检测模型的损失函数为优化目标对该模型进行训练，并将训练后的模型应用于目标域；

步骤2中的“在基准跨域目标检测模型上设置特征特异性记忆读写模块”具体包括：

步骤2.1.1，获取源域查询向量和目标域查询向量；

步骤2.1.2，检索源域记忆元素和目标域记忆元素；

步骤2.1.3，更新源域记忆单元和目标域记忆单元：

将通过读出的源域记忆元素写入源域记忆单元V_s对应类别位置处的记忆元素v_s,k中，表示源域第k个类别的记忆元素；

将通过读出的目标域记忆元素写入目标域记忆单元V_t对应类别位置处的记忆元素v_t,k中,表示目标域第k个类别的记忆元素；

步骤2中的“在基准跨域目标检测模型上设置特征一致性加权对齐模块”具体包括：

步骤2.2.1，构建类别级域判别器；

步骤2.2.2，构建源域和目标域向量计数器，用于在基准跨域目标检测模型训练的一个轮次中累计每种类别查询向量出现的次数，获取待检测目标类别出现的比例并对每个类别级域判别器的损失函数进行加权；

步骤2.2.3，根据一个训练轮次内每种类别的源域和目标域查询向量出现的比例，计算施加在每个类别级判别器的损失函数源域部分的权重和目标域部分的权重。

2.如权利要求1所述的协调特征一致性和特异性的跨域目标检测方法，其特征在于，源域记忆元素按如下两种情形获得：

情形1：

a1.如果源域记忆单元中第k个记忆元素被类别标签索引为k的源域查询向量检索到，则读出的源域记忆元素被描述成式(2)：

式中，表示属于类别k的源域查询向量的均值，γ₁表示对属于类别k的源域查询向量的均值施加的权重系数，γ₂表示对源域第k个类别的记忆元素施加的权重系数，0γ₁1，0γ₂1，且γ₁+γ₂＝1；

a2.如果目标域记忆单元中第k个记忆元素被类别标签索引为k的目标域查询向量检索到，读出的目标域记忆元素被描述成式(4)：

式中，表示属于类别k的目标域查询向量的均值，γ₃表示对属于类别k的目标域查询向量的均值施加的权重系数，γ₄表示对目标域第k个类别的记忆元素施加的权重系数，0γ₃1，0γ₄1，且γ₃+γ₄＝1；

情况2：

b1.如果源域记忆单元中第k个记忆元素没有被检索到，则将源域第k个类别的记忆元素赋值给读出的源域记忆元素；

b2.如果目标域记忆单元中第k个记忆元素没有被检索到，那么直接将目标域第k个类别的记忆元素赋值给读出的目标域记忆元素。