← 返回列表

一种红外图像收集的方法及相关装置

申请号: CN202410255469.3
申请人: 广东琴智科技研究院有限公司
更新日期: 2026-03-17

专利详细信息

项目 内容
专利名称 一种红外图像收集的方法及相关装置
专利类型 发明申请
申请号 CN202410255469.3
申请日 2024/3/6
公告号 CN117830806A
公开日 2024/4/5
IPC主分类号 G06V10/94
权利人 广东琴智科技研究院有限公司
发明人 王岩; 邓练兵; 巩志国
地址 广东省珠海市横琴新区环岛东路1889号20栋217、218室

摘要文本

本发明公开了一种红外图像收集的方法及相关装置,基于智能计算平台实现,该方法包括:获取图像数据集,其包含多个适用于指定场景的、配对的可见光图像和红外图像;利用图像数据集训练CycleGAN模型,训练完成后将CycleGAN模型部署在智能计算平台上;获取利用指定场景下的摄像头收集的可见光图像,将其输入至智能计算平台后通过CycleGAN模型转换为相应的红外图像,实现指定场景下红外图像的收集;其中,智能计算平台提供可见光图像及红外图像的存储功能,以及在不同计算节点分别同步训练CycleGAN模型的功能。可见,本发明能够以相对容易且代价低的方式实现红外图像的收集。

专利主权项内容

1.一种红外图像收集的方法,其特征在于,基于智能计算平台实现,所述红外图像收集的方法包括:获取图像数据集,所述图像数据集中包含多个适用于指定场景的、配对的可见光图像和红外图像;利用所述图像数据集训练CycleGAN模型,并在训练完成后将所述CycleGAN模型部署在所述智能计算平台上;获取利用所述指定场景下的摄像头收集的可见光图像作为待转换图像,将所述待转换图像输入至所述智能计算平台,并通过所述智能计算平台上的所述CycleGAN模型将所述待转换图像转换为相应的红外图像,实现所述指定场景下红外图像的收集;其中,所述智能计算平台提供所述可见光图像及所述红外图像的存储功能,以及在不同计算节点分别同步训练所述CycleGAN模型的功能;所述CycleGAN模型采用ResNet50网络添加感知损失,使得所述CycleGAN模型的循环一致性损失函数与ResNet50网络的损失函数函数相加作为训练所述CycleGAN模型时所用的损失函数;所述CycleGAN模型包括生成器及判别器;所述生成器采用深度残差网络,且所述深度残差网络包含的每个残差模块都连接有一个SimAM模块,同时所述生成器各层的激活函数为ReLU;所述判别器采用70x70的PatchGAN,同时所述判别器各层的激活函数为LeakyReLU。