1.一种低光照语义分割模型的训练方法,其特征在于,所述方法包括:获取低光照下图像数据集;
通过图像增强模型,分别对获取的图像数据进行增强处理,获得增强图像数据集和增强图像损失函数;
通过语义分割模型,分别对获取的增强图像数据进行语义分割,获得语义分割图像数据集和语义分割损失函数;
根据增强图像损失函数与语义分割损失函数,获得总损失函数;
根据总损失函数对所述语义分割模型进行调整,获得低光照语义分割模型;
所述图像增强模型的函数表示为:其中,
所述增强图像损失函数表示为:其中,N表示输入图像中的像素总数,所述语义分割模型基于ghostNet神经网络模型训练获得,ghostNet神经网络模型中所有卷积都用pointwise卷积代替;
所述语义分割损失函数表示为:其中,y
所述总损失函数通过对增强图像损失函数与语义分割损失函数级联训练获得;
所述总损失函数表示为:
L=β
其中L表示整个网络的总损失函数,L
2.根据权利要求1所述低光照语义分割模型的训练方法,其特征在于,所述低光照下图像数据集的获取以Cityscapes数据集为基础。
3.一种低光照语义分割方法,其特征在于,所述方法包括:获取源图像,通过图像增强模型对源图像进行图像增强,获得增强源图像;
通过低光照语义分割模型,对所述增强源图像进行语义分割,得到分割精度,其中所述低光照语义分割模型通过权利要求1-2任一项所述的方法训练得到。
4.一种低光照语义分割装置,其特征在于,所述装置包括:增强单元,用于通过图像增强模型对源图像进行图像增强,得到增强源图像;
分割单元,用于通过低光照语义分割模型,对所述增强源图像进行语义分割,得到分割精度,其中所述低光照语义分割模型通过权利要求1-2任一项所述的方法训练得到。