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。

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