网络模型训练方法、黑夜图像的目标检测方法及相关设备技术

本申请提供了一种网络模型训练方法、黑夜图像的目标检测方法及相关设备。该网络模型训练方法包括：将黑夜训练图像输入呈对抗关系的白天图像生成网络和白天图像鉴别网络，得到白天转换图像；将白天转换图像输入呈对抗关系的黑夜图像生成网络和黑夜图像鉴别网络，得到黑夜目标图像；将白天训练图像输入呈对抗关系的黑夜图像生成网络和黑夜图像鉴别网络，得到黑夜转换图像；将黑夜转换图像输入呈对抗关系的白天图像生成网络和白天图像鉴别网络，得到白天目标图像；计算损失函数；以损失函数的值变小为目标训练网络模型，直至训练满足要求。本申请用以得到一种利于自动驾驶汽车在黑夜环境下进行目标图像检测的网络模型。

Network model training method, target detection method of night image and related equipment

【技术实现步骤摘要】
网络模型训练方法、黑夜图像的目标检测方法及相关设备
本申请涉及自动驾驶
，特别是涉及一种网络模型训练方法、黑夜图像的目标检测方法及相关设备。
技术介绍
随着人类生活的进步，汽车朝向智能化方向发展，例如自动驾驶汽车。目前汽车的自动驾驶技术，主要依靠视觉与激光雷达对目标进行检测，但是在黑夜、光线较差以及雨天等场景下，依靠视觉与激光雷达的目标检测结果不够理想，影响了自动驾驶汽车的正常行驶。
技术实现思路
本申请提供了一种网络模型的训练方法、黑夜图像的目标检测方法及相关设备，主要解决的技术问题是如何训练得到利于自动驾驶汽车在黑夜环境下进行目标检测的网络模型。为解决上述技术问题，本申请提供了一种网络模型的训练方法，所述网络模型的训练方法包括：将黑夜训练图像输入呈对抗关系的白天图像生成网络和白天图像鉴别网络，得到白天转换图像；将所述白天转换图像输入呈对抗关系的黑夜图像生成网络和黑夜图像鉴别网络，得到黑夜目标图像；将白天训练图像输入呈对抗关系的黑夜图像生成网络和黑夜图像鉴别网络，得到黑夜转换图像；...

【技术保护点】
1.一种网络模型的训练方法，其特征在于，所述方法包括：/n将黑夜训练图像输入呈对抗关系的白天图像生成网络和白天图像鉴别网络，得到白天转换图像；/n将所述白天转换图像输入呈对抗关系的黑夜图像生成网络和黑夜图像鉴别网络，得到黑夜目标图像；/n将白天训练图像输入呈对抗关系的黑夜图像生成网络和黑夜图像鉴别网络，得到黑夜转换图像；/n将所述黑夜转换图像输入呈对抗关系的白天图像生成网络和白天图像鉴别网络，得到白天目标图像；/n计算损失函数，所述损失函数包括所述白天图像生成网络、所述白天图像鉴别网络、所述黑夜图像生成网络和所述黑夜图像鉴别网络的损失；/n以所述损失函数的值变小为目标训练所述网络模型，直至训练...

【技术特征摘要】
1.一种网络模型的训练方法，其特征在于，所述方法包括：
将黑夜训练图像输入呈对抗关系的白天图像生成网络和白天图像鉴别网络，得到白天转换图像；
将所述白天转换图像输入呈对抗关系的黑夜图像生成网络和黑夜图像鉴别网络，得到黑夜目标图像；
将白天训练图像输入呈对抗关系的黑夜图像生成网络和黑夜图像鉴别网络，得到黑夜转换图像；
将所述黑夜转换图像输入呈对抗关系的白天图像生成网络和白天图像鉴别网络，得到白天目标图像；
计算损失函数，所述损失函数包括所述白天图像生成网络、所述白天图像鉴别网络、所述黑夜图像生成网络和所述黑夜图像鉴别网络的损失；
以所述损失函数的值变小为目标训练所述网络模型，直至训练满足要求。


2.根据权利要求1所述的训练方法，其特征在于，所述白天图像鉴别网络和所述黑夜图像鉴别网络均包括图像边缘鉴别器和图像灰度鉴别器。


3.根据权利要求1所述的训练方法，其特征在于，所述白天图像生成网络和所述黑夜图像生成网络均包括与注意力机制相关的计算向量。


4.根据权利要求1所述的训练方法，其特征在于，所述以所述损失函数的值变小为目标训练所述网络模型，直至训练满足要求，包括：
利用随机梯度下降法，训练所述网络模型，直至训练满足要求。


5.根据权利要求1所述的训练方法，其特征在于，所述白天图像生成网络和所述黑夜图像生成网络均包括编码器和解码器，所述编码器用于提取所述训练图像中的特征，得到特征向量；...

【专利技术属性】
技术研发人员：欧勇盛，瞿炀炀，熊荣，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44