1.一種多層特征自適應(yīng)對(duì)齊的跨域無(wú)人機(jī)目標(biāo)檢測(cè)方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種多層特征自適應(yīng)對(duì)齊的跨域無(wú)人機(jī)目標(biāo)檢測(cè)方法，其特征在于，所述跨時(shí)間、跨傳感器、跨視角和跨天氣四個(gè)跨域無(wú)人機(jī)目標(biāo)檢測(cè)數(shù)據(jù)，基于兩個(gè)光學(xué)衛(wèi)星遙感影像數(shù)據(jù)集：dior數(shù)據(jù)集和dota數(shù)據(jù)集，以及兩個(gè)無(wú)人機(jī)遙感影像數(shù)據(jù)集：visdrone數(shù)據(jù)集和uavdt數(shù)據(jù)集，制作而成。
3.根據(jù)權(quán)利要求1所述的一種多層特征自適應(yīng)對(duì)齊的跨域無(wú)人機(jī)目標(biāo)檢測(cè)方法，其特征在于，所述源域數(shù)據(jù)輸入到學(xué)生模型中，目標(biāo)域數(shù)據(jù)分別輸入到教師模型和學(xué)生模型中，具體為：源域數(shù)據(jù)和目標(biāo)域數(shù)據(jù)的強(qiáng)增強(qiáng)圖像輸入到學(xué)生模型；目標(biāo)域數(shù)據(jù)的弱增強(qiáng)圖像輸入到教師模型。
4.根據(jù)權(quán)利要求1所述的一種多層特征自適應(yīng)對(duì)齊的跨域無(wú)人機(jī)目標(biāo)檢測(cè)方法，其特征在于，所述學(xué)生模型通過(guò)梯度反轉(zhuǎn)層和判別器進(jìn)行自適應(yīng)學(xué)習(xí)更新，得到權(quán)重更新的學(xué)生模型。
5.根據(jù)權(quán)利要求1所述的一種多層特征自適應(yīng)對(duì)齊的跨域無(wú)人機(jī)目標(biāo)檢測(cè)方法，其特征在于，所述權(quán)重初始化后的學(xué)生模型基于源域數(shù)據(jù)和目標(biāo)域中偽標(biāo)簽進(jìn)行自適應(yīng)學(xué)習(xí)，迭代更新學(xué)生模型的權(quán)重，并通過(guò)指數(shù)移動(dòng)平均迭代更新教師模型的權(quán)重；得到自適應(yīng)教師-學(xué)生互學(xué)習(xí)檢測(cè)模型具體為：
6.根據(jù)權(quán)利要求1所述的一種多層特征自適應(yīng)對(duì)齊的跨域無(wú)人機(jī)目標(biāo)檢測(cè)方法，其特征在于，所述自適應(yīng)教師-學(xué)生互學(xué)習(xí)檢測(cè)模型的構(gòu)建方法包括：
7.根據(jù)權(quán)利要求6所述的一種多層特征自適應(yīng)對(duì)齊的跨域無(wú)人機(jī)目標(biāo)檢測(cè)方法，其特征在于，所述總損失函數(shù)為：
8.一種多層特征自適應(yīng)對(duì)齊的跨域無(wú)人機(jī)目標(biāo)檢測(cè)系統(tǒng)，其特征在于，包括：
9.一種電子設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1-7任一項(xiàng)所述的多層特征自適應(yīng)對(duì)齊的跨域無(wú)人機(jī)目標(biāo)檢測(cè)方法的步驟。
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-7任一項(xiàng)所述的多層特征自適應(yīng)對(duì)齊的跨域無(wú)人機(jī)目標(biāo)檢測(cè)方法的步驟。