本发明公开了一种基于深度卷积网络的半监督行人检测方法,包括,从公共数据集的100％完整的训练集中随机抽取5％作为半监督学习的训练集,保留其标注,作为有标注训练集,其余的95％作为未标注的训练集,删除其标注；采用改进后的RPN卷积神经网络,加入一致性约束正则项来提高网络的特征表达能力,从而提升模型的鲁棒性,另一方面通过自步学习,减小深度学习网络的对大量人工标注样本的依赖性,降低在小样本的条件下深度学习网络的过拟合风险。
科研之友
微信
新浪微博
Facebook
分享链接
