欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022111417836
申请人: 长安大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种雾天目标检测模型训练方法,其特征在于,包括:

构建雾天目标检测模型训练框架,所述框架包括预训练模型,第一生成器、第二生成器、第一判别器和第二判别器,所述第一生成器和所述第二生成器插入所述预训练模型内,将所述预训练模型分成浅层网络和深层网络,所述深层网络和第一全连接层形成所述第一判别器,所述深层网络和第二全连接层形成所述第二判别器;

基于训练数据集对所述框架进行训练,得到训练后的第一生成器;所述训练数据集包括多个清晰‑雾霭图像对,每个所述清晰‑雾霭图像对包括一副清晰图像和与所述清晰图像配对的雾霭图像,每次训练输入到所述框架中的数据包括从所述训练数据集中随机选择的一副清晰图像和一副雾霭图像,所述随机选择的一副清晰图像和一副雾霭图像不配对;

所述浅层网络用于从雾霭图像中提取雾霭特征,以及用于从清晰图像中提取清晰特征;

所述第一生成器用于将所述雾霭特征转换为清晰特征;

所述第二生成器用于将所述清晰特征转换为雾霭特征;

所述第一判别器用于判别真实的清晰特征和转换的清晰特征;

所示第二判别器用于判别真实的雾霭特征和转换的雾霭特征。

2.如权利要求1所述的方法,其特征在于,所述方法还包括:基于整体目标函数对所述框架进行训练,所述整体目标函数包括对抗性损失函数、周期一致性损失函数、身份保留损失函数和退化残差损失函数。

3.如权利要求2所述的方法,其特征在于,所述整体目标函数采用以下公式确定:其中,Ltotal为整体目标函数,G表示生成器,D表示判别器,λadv为对抗性损失函数的权重系数,λcyc为周期一致性损失函数的权重系数,λidt为身份保留损失函数的权重系数,λres为退化残差损失函数的权重系数, 表示清晰特征对应的对抗性损失函数, 表示雾霭特征对应的对抗性损失函数, 表示清晰特征对应的周期一致性损失函数, 表示雾霭特征对应周期一致性损失函数, 表示清晰特征对应的身份保留损失函数, 表示雾霭特征对应的身份保留损失函数,Lres表示退化残差损失函数。

4.如权利要求2所述的方法,其特征在于,所述对抗性损失函数采用以下公式确定:其中, 表示清晰特征对应的对抗性损失函数, 表示雾霭特征对应的对抗性损失函数,GD2C表示第一生成器,GC2D表示第二生成器,DC表示第一判别器,DD表示第二判别器,CF表示清晰特征,DF表示雾霭特征,DC(GD2C(DF))表示DF先后经过第一生成器和第一判别器后的输出,DC(CF)表示CF经过第一判别器后的输出,DD(GC2D(CF))表示CF先后经过第二生成器和第二判别器后的输出,DD(DF)表示DF经过第二判别器后的输出。

5.如权利要求2所述的方法,其特征在于,所述周期一致性损失函数采用以下公式确定:其中, 表示雾霭特征对应的对抗性损失函数, 表示清晰特征对应的周期一致性损失函数,GD2C表示第一生成器,GC2D表示第二生成器,CF表示清晰特征,DF表示雾霭特征,GC2D(GD2C(DF))表示DF先后经过第一生成器和第二生成器的输出,GD2C(GC2D(CF))表示CF先后经过第二生成器和第一生成器的输出。

6.如权利要求2所述的方法,其特征在于,所述身份保留损失函数采用以下公式确定:其中, 表示清晰特征对应的身份保留损失函数, 表示雾霭特征对应的身份保留损失函数,GD2C表示第一生成器,GC2D表示第二生成器,CF表示清晰特征,DF表示雾霭特征,GD2CC(CF)表示CF经过第一生成器的输出,GC2D(DF)表示DF经过第二生成器的输出。

7.如权利要求2所述的方法,其特征在于,所述退化残差损失函数采用以下公式确定:Lres(GD2C,GC2D,CF,DF)=||(DF‑GD2C(DF))‑(GC2d(CF)‑F)||1其中,Lres表示退化残差损失函数,GD2C表示第一生成器,GC2D表示第二生成器,CF表示清晰特征,DF表示雾霭特征,GD2C(DF)表示DF经过第一生成器的输出,GC2D(CF)表示CF经过第二生成器的输出。

8.如权利要求1所述的方法,其特征在于,所述第一生成器和所述第二生成器插入到所述预训练模型内的第二个卷积层之后。

9.一种雾天目标检测方法,其特征在于,包括:

构建雾天目标检测模型,所述雾天目标检测模型包括依次连接的浅层网络、第一生成器和深层网络;

将待检测雾霭图像输入到所述浅层网络,得到雾霭特征;

所述雾霭特征输入到所述第一生成器,得到转换后的清晰特征;

将所述转换后的清晰特征输入到所述深层网络,得到所述雾霭图像的目标检测结果;

将待检测清晰图像输入到所述浅层网络,得到清晰特征;

将所述清晰特征输入到所述深层网络,得到所述清晰图像的目标检测结果;

所述第一生成器为应用权利要求1‑7中任一项权利要求中的雾天目标检测模型训练方法得到的。