申请/专利权人：南京航空航天大学;中国人民解放军海军大连舰艇学院

申请日：2023-08-28

公开（公告）日：2024-03-08

公开（公告）号：CN116957988B

主分类号：G06T5/77

分类号：G06T5/77;G06V10/40;G06V10/764;G06V10/774;G06V10/80

优先权：

专利状态码：有效-授权

法律状态：2024.03.08#授权;2023.11.14#实质审查的生效;2023.10.27#公开

摘要：本发明公开了一种目标检测驱动的潜望镜图像复原表征学习方法，包括：潜望镜采集无恶劣天气干扰的海上作业图像并进行加雨、加雾与低光照处理，生成包含多种随机恶劣天气的降质图像；图像复原网络基于混合注意力块和两分支融合块提取降质图像的有效特征，进行图像复原，得到复原图像并计算重建损失；目标检测网络基于目标检测驱动策略，对复原图像进行目标检测并计算目标检测损失；判别器网络判别复原图像中包含的恶劣天气种类并计算判别损失；进行判别器网络与图像复原网络的两阶段训练以更新判别器网络与图像复原网络的权重。本发明可提升海上作业景下的特征鲁棒性与目标检测有效性，适应于海上作业环境中的多种随机恶劣天气。

主权项：1.一种目标检测驱动的潜望镜图像复原表征学习方法，其特征在于，包括：S1、潜望镜采集无恶劣天气干扰的海上作业图像并进行加雨、加雾与低光照处理，生成包含多种随机恶劣天气的降质图像；S2、图像复原网络基于混合注意力块和两分支融合块提取降质图像的有效特征，进行图像复原，得到复原图像，并计算重建损失；所述S2包括：S201、降质图像输入目标检测网络的编码器，编码器首先对其进行3×3卷积，将通道维度变换到24，然后依次通过混合注意力块、下采样、混合注意力块、下采样、混合注意力块，其中2次下采样操作将通道维度分别变换到48、96；S202、编码器输出的特征输入目标检测网络的解码器，解码器首先对其进行上采样，再使用两分支融合块进行低分辨率与高分辨率特征的融合，再依次通过注意力混合块、上采样、两分支融合块、注意力混合块，其中2次上采样操作将通道维度变换到48、24，最后进行3×3卷积，将通道维度变换到3，与输入的降质图像进行残差连接，得到最终的图像复原网络输出，即复原图像；S203、将图像复原网络输出的复原图像与对应的无恶劣天气干扰的图像计算重建损失；S3、目标检测网络基于目标检测驱动策略，对复原图像进行目标检测，并计算目标检测损失；S4、判别器网络判别复原图像中包含的恶劣天气种类，并计算判别损失；S5、基于判别器网络判别结果以及S2-S4得到的损失进行判别器网络与图像复原网络的两阶段训练以基于判别器网络判别结果更新判别器网络的权重，以及根据S2-S4得到的损失更新图像复原网络的权重。

全文数据：

权利要求：

百度查询： 南京航空航天大学;中国人民解放军海军大连舰艇学院 一种目标检测驱动的潜望镜图像复原表征学习方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD