典型文献
少样本条件下基于自监督改进SimDet模型的消毒场景目标检测
文献摘要：
日常消毒工作已经成了常态化的工作,智能消毒机器人是非常有效的一种方式.机器人通常通过视觉来感知周围环境,但是基于监督学习的检测算法通常需要大量的标注数据进行训练,当标注数据量多时,标注成本非常高,当标注数据量少时,模型容易陷入过拟合,因此少样本目标检测是一种有效的解决途径.本文以SimDet模型为基础,提出了 SimDet+模型.第一,针对消毒场景中的目标检测任务的特点,增加了自监督预训练的过程,第二,因为存在查询图片可供参考,对分类层进行了改进,使用余弦相似度代替全连接层来计算置信度,通过非参数化计算有效避免了过拟合现象.针对消毒场景,制作了一份22 min的视频数据集和包含8类物体的检测数据集,分别用于两个阶段训练.通过自监督预训练,有效减少了数据标注成本,同时下游任务的mAP从0.216 2提升到了 0.530 2.
文献关键词：
自监督学习;少样本学习;目标检测;迁移学习;机器人
中图分类号：
作者姓名：
蔡汝佳;江文萱;齐立哲;孙云权
作者机构：
复旦大学工程与应用技术研究院,上海200082
文献出处：
引用格式：
[1]蔡汝佳;江文萱;齐立哲;孙云权-.少样本条件下基于自监督改进SimDet模型的消毒场景目标检测)[J].计算机系统应用,2022(12):51-58
A类：
SimDet,SimDet+
B类：
样本条件,目标检测,日常消毒,智能消毒机器人,人通,周围环境,检测算法,数据量,少时,过拟合,解决途径,预训练,查询图,可供参考,层进,余弦相似度,全连接层,置信度,非参数,参数化,视频数据,检测数据集,阶段训练,数据标注,时下,mAP,自监督学习,少样本学习,迁移学习
AB值：
0.334813
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
