CN114693979B 一种基于伪标签修正的多目标跟踪无监督域适应方法 （浙江大学）_第1页
CN114693979B 一种基于伪标签修正的多目标跟踪无监督域适应方法 （浙江大学）_第2页
CN114693979B 一种基于伪标签修正的多目标跟踪无监督域适应方法 （浙江大学）_第3页
CN114693979B 一种基于伪标签修正的多目标跟踪无监督域适应方法 （浙江大学）_第4页
CN114693979B 一种基于伪标签修正的多目标跟踪无监督域适应方法 （浙江大学）_第5页
已阅读5页，还剩12页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于伪标签修正的多目标跟踪无监督本发明公开了一种基于伪标签修正的多目生成网络对源数据域的图像进行向目标数据域在每一轮训练结束后使用当前模型在目标数据2t形成域适应训练数据集；t)}形成新的数据集；2.根据权利要求1所述的基于伪标签修正的多目标跟踪无监督域适应方法，其特征在3.根据权利要求1所述的基于伪标签修正的多目标跟踪无监督域适应方法，其特征在4.根据权利要求1所述的基于伪标签修正的多目标跟踪无监督域适应方法，其特征在网络F添加梯度反转层GRL和域分类器D，其中梯度反转层负责在训练过程中对梯度取负再5.根据权利要求1所述的基于伪标签修正的多目标跟踪无监督域适应方法，其特征在3(4)将正向遍历和反向遍历获得的伪标签结果求取并集，输出修正完成后的伪标签4问题的设定和实现的方式与无监督域适应跟踪存在差异，并不能直接应用到当前问题中s5型中的特征提取深度网络F添加梯度反转层GRL和域分类器D，其中梯度反转层负责在训练过程中对梯度取负再进行回传，域分类器负责对特征提取网络进行域的分类(源域、目标[0016]步骤5：将目标域数据集Dt{xt}以及粗糙的伪标签(Boxp，IDp)送入伪标签修正模[0021]步骤5.5：将正向遍历和反向p′6[0028]参考图1，所示为本发明实施例的基于伪标签修正的多目标跟踪无监督域适应方Dt形成域适应训练数据集。7[0039]多目标跟踪网络的损失函数Ltrack包含前景分类预测损失l前景的真值概率，为特征图上一点为前景的预测概率；lreg为回归分支的IoU(交叠覆盖过程中对梯度取负再进行回传，域分类器负责对特征提取网络进行域的分类(源域、目标[0050]步骤5：将目标域数据集Dt{xt}以及粗糙的伪标签(Boxp，IDp)送入伪标签修正模8fwd}；bkd}[0055]步骤5.5：将正向遍历和反向遍历获得的伪标签结果获得正向补全轨迹标签fwdp′9

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论