← 返回列表
一种基于自监督特征学习的暗光场景目标检测方法
申请人信息
- 申请人:南昌航空大学
- 申请人地址:330063 江西省南昌市红谷滩区丰和南大道696号
- 发明人: 南昌航空大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于自监督特征学习的暗光场景目标检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410228499.5 |
| 申请日 | 2024/2/29 |
| 公告号 | CN117809024A |
| 公开日 | 2024/4/2 |
| IPC主分类号 | G06V10/25 |
| 权利人 | 南昌航空大学 |
| 发明人 | 储珺; 阙启正; 陶海波 |
| 地址 | 江西省南昌市丰和南大道696号 |
摘要文本
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。
专利主权项内容
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。。来自