期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
用于半监督火灾检测的分布自适应和动态课程伪标签框架
1
作者 王磊 胡节 彭博 《计算机应用》 北大核心 2025年第10期3131-3137,共7页
针对火灾图像标签过少、背景复杂多样导致的半监督目标检测困难的问题,提出一种用于半监督火灾检测的分布自适应和动态课程伪标签框架(DADCPL-SFD)。该框架主要由师生互学(ML)框架、软标签(SL)、分布自适应和动态课程伪标签这4个部分组... 针对火灾图像标签过少、背景复杂多样导致的半监督目标检测困难的问题,提出一种用于半监督火灾检测的分布自适应和动态课程伪标签框架(DADCPL-SFD)。该框架主要由师生互学(ML)框架、软标签(SL)、分布自适应和动态课程伪标签这4个部分组成。首先,采用师生互学框架的半监督学习范式替换YOLOv5-l的全监督学习范式,以应对数据标签少的场景;其次,采用软标签以获取更多有效的伪标签正例,优化半监督学习过程;再次,引入分布自适应损失,减小源域和目标域的数据分布差异,使模型在不同域上表现一致;最后,设计一种基于课程思想的动态课程伪标签策略,根据伪标签生成的情况在不同训练时期调整阈值,以筛选更合理的伪标签。在火焰和烟雾数据集(DFS)多个监督比例上(1%、2%、5%和10%)的实验结果表明,相较于全监督学习,所提框架的平均精度均值(mAP)平均提升了5.32个百分点,在交并比(IoU)阈值为0.5下的平均精度(AP)平均提升了11.87个百分点,充分验证了DADCPL-SFD的高效性和准确性。 展开更多
关键词 火灾检测 半监督目标检测 师生互学 标签 分布自适应 动态课程伪标签
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部