申请/专利权人：西安电子科技大学

申请日：2023-12-15

公开（公告）日：2024-03-15

公开（公告）号：CN117710857A

主分类号：G06V20/40

分类号：G06V20/40;G06T5/70;G06V10/774;G06V10/20

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.02#实质审查的生效;2024.03.15#公开

摘要：本发明公开了一种基于图像增强和图匹配的领域自适应夜间目标检测方法，主要解决现有技术面对夜间目标检测数据量小，数据参杂噪声时检测准确率低及夜间漏检概率高的问题，其实现方案为：构建日间训练集、夜间训练集和夜间测试集；增强夜间图像的低信噪比区域；构建目标检测模块和图匹配模块；通过目标检测模块对日夜间训练集进行检测和特征图的获取；通过匹配模块对齐日夜领域特征；使用目标检测损失和图匹配损失迭代更新目标检测模块和图匹配模块的参数；使用训练迭代后的目标检测模块检测夜间测试集，得到领域自适应目标检测结果。本发明能增强夜间图像结构信息，获得具有语意含义的代表特征点，目标检测结果准确，漏检概率低，可用于夜间目标检测。

主权项：1.一种基于图像增强和图匹配的领域自适应夜间目标检测方法，其特征在于，包括如下步骤：1构建日间训练集、夜间训练集和夜间测试数据集：1a获取领域自适应领域常用数据集BDD100k，区分出该数据集中的日间数据和夜间数据，并将日间数据作为日间数据训练集；1b将区分出来的夜间数据按7:1的比例划分为夜间数据训练集I1和夜间数据测试集I2；2对夜间图像集进行增强：2a将夜间图像集I输入现有ResNet18网络，获得结构信息的图像集IR，并对夜间图像集I依次进行去噪和归一化的预处理，得到去噪图像集Ic和信噪比分布图集SNR；2b将去噪图像集Ic以信噪比分布图SNR为权重，并与结构信息的图像集IR叠加，获得增强后的夜间训练集I1’和夜间测试数据集I2’；3构建由VGG骨干特征提取网络、两个卷积层、目标建议识别层、非极大值抑制层依次级联构成的目标检测模块；4构建由全连接层和多层感知层级联组成图匹配模块；5将日间数据训练集和增强后的夜间图像训练集I1’分别输入目标检测模块，获得各自的检测结果，并保留模块中通过VGG骨干特征提取网络提取的各自对应特征图组；6对步骤5得到的两个检测结果，对其所对应的特征图组进行含目标区域的切片，并对所得的两组切片组分别进行逐点聚类，再从各聚类簇中随机采样一点，并通过随机删除或补全控制采样数量为200，得到两组采样特征点组；7将两组采样特征点组一起输入到图匹配模块，获得两组采样特征点之间的匹配结果；8根据两组采样特征点之间的匹配结果和采样点在检测结果中的类别信息，计算图匹配损失Lossmat；9根据步骤5得到的两组检测结果及其对应的真实目标信息，共同计算目标识别损失Lossdec，并将该目标识别损失与步骤8中的图匹配损失Lossmat加和，得到更新总损失Lossall；10使用更新总损失Lossall分别对目标检测模块和图匹配模块的参数进行更新；11重复步骤5～10直到达到设定的迭代次数，得到训练好的目标检测模块和图匹配模块；12将增强后的夜间测试数据集I2’输入训练好的目标检测模块，得到夜间目标的最终检测结果。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于图像增强和图匹配的领域自适应夜间目标检测方法

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