一种用于目标检测的伪标签生成与对比学习联合优化方法

一种用于目标检测的伪标签生成与对比学习联合优化方法，首先，利用目标检测模型对目标域数据进行推理，生成带置信度评分的伪标签，并通过过滤机制选择高质量的伪标签进行训练；其次，设计对比学习模块，对源域和目标域中的目标级特征进行正负样本对比，通过最大化同类样本间特征相似度和最小化异类样本间特征相似度，提升模型的特征表征能力；最后，将伪标签分类训练与真实标签的边界框回归训练相结合，联合优化目标检测模型。本发明能够解决目标检测任务中由域偏移导致模型性能下降的问题；有效降低伪标签噪声的影响，并提升目标检测模型在跨域任务中的泛化能力。适用于无人驾驶、安防监控、智能制造等领域的目标检测任务。