申请/专利权人:南昌航空大学
申请日:2024-02-29
公开(公告)日:2024-04-02
公开(公告)号:CN117809024A
主分类号:G06V10/25
分类号:G06V10/25;G06V10/82;G06V10/764;G06V10/766;G06V10/44;G06V10/52;G06N3/0464;G06N3/0455;G06N3/084;G06N3/0895;G06N3/048
优先权:
专利状态码:在审-公开
法律状态:2024.04.02#公开
摘要:本发明公开了一种基于自监督特征学习的暗光场景目标检测方法,属于图像处理领域;包括以下步骤:S1:建立识别网络,识别网络包括特征编码器E、图像重构解码器Drec和目标检测解码器Dobj;建立并最小化联合损失函数对识别网络进行指导训练,当损失函数收敛时,识别网络训练完成,特征编码器E的权值固定;S3:具体训练中,使用无标签的Imagenet‑1k数据集和带有标签的ExDark数据集对识别网络进行训练,图像重构解码器与目标检测解码器同时进行训练;S4:将暗光数据集输入到识别网络中,输出结果。本发明采用上述方法,给出一个暗光场景目标检测算法框架,在该框架约束下使得特征编码器E在域偏移较大时对暗光场景图像有较好的特征表达。
主权项:1.一种基于自监督特征学习的暗光场景目标检测方法,其特征在于:包括以下步骤:S1:建立识别网络,识别网络包括一个权值共享的特征编码器E、图像重构解码器Drec和目标检测解码器Dobj;S2:建立并最小化联合损失函数对识别网络进行指导训练,当损失函数收敛时,识别网络训练完成,特征编码器E的权值固定;S3:具体训练中,使用无标签的Imagenet-1k数据集经过特征编码器E输入到图像重构解码器中对特征编码器E进行指导;使用带有标签的ExDark数据集经过特征编码器E输入到目标检测解码器中对目标检测解码器和特征编码器E进行指导;图像重构解码器与目标检测解码器同时进行训练;S4:将暗光数据集输入到识别网络中,经过特征编码器E和目标检测解码器,输出识别结果。
全文数据:
权利要求:
百度查询: 南昌航空大学 一种基于自监督特征学习的暗光场景目标检测方法
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。