一种基于光照变换网络的图像自动增强方法技术

本发明专利技术公开一种基于光照变换网络的图像自动增强方法，包括以下步骤：（1）数据集制作：收集大量图像分类数据，并将图像分类数据按0.8:0.1:0.1的比例随机划分为训练集、验证集与测试集；（2）构建一种光照变换网络：所述光照变换网络由图像自动增强模块与ResNet50模块组成；所述光照变换网络用于对输入的原始图像进行自动增强；（3）模型训练：指定步骤(1)中的训练集与验证集，使用SGD优化器，将训练集输入至步骤(2)的光照变换网络，进行模型训练；（4）模型推理。本发明专利技术根据输入图像进行自动增强，可有效提升深度学习模型的光照一致性。可有效提升深度学习模型的光照一致性。可有效提升深度学习模型的光照一致性。

【技术实现步骤摘要】
一种基于光照变换网络的图像自动增强方法


[0001]本专利技术涉及图像识别
，更具体地，涉及一种基于光照变换网络的图像自动增强方法。

技术介绍

[0002]基于深度学习的图像识别技术在实际场景中应用时，光照是非常重要的影响因素，同一识别对象在不同的光照条件下，识别结果可能存在差异。如何提高深度学习模型的光照一致性，成为业界的研究热点，也是人工智能实际落地需要解决的关键问题之一。
[0003]目前，提高深度学习模型的光照一致性，目前的主要做法是对图像进行增强，随机设置图像亮度、对比度等参数，这种方法在数据量较少时有一定作用，但数据量较大时，训练时长大大增加，且可能出现过度变换，改变识别对象的语义，从而影响模型效果。

技术实现思路

[0004]本专利技术针对
技术介绍
存在的不足，本专利技术提供了一种基于光照变换网络的图像自动增强方法，在深度学习模型中植入光照变换模块，该模块根据输入图像进行自动增强，可有效提升深度学习模型的光照一致性。
[0005]为解决上述问题，提供一种基于光照变换网络的图像自动增强方法，包括以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于光照变换网络的图像自动增强方法，其特征在于，包括以下步骤：(1)数据集制作：收集大量图像分类数据，并将图像分类数据按0.8:0.1:0.1的比例随机划分为训练集、验证集与测试集；(2)构建一种光照变换网络：所述光照变换网络由图像自动增强模块与ResNet50模块组成；所述光照变换网络用于对输入的原始图像进行自动增强；(3)模型训练：指定步骤(1)中的训练集与验证集，使用SGD优化器，将训练集输入至步骤(2)的光照变换网络，进行模型训练；(4)模型推理：步骤(3)模型训练完成后，将步骤(1)中的测试集内的数据输入到步骤(2)的光照变换网络中进行推理。2.根据权利要求1所述的一种基于光照变换网络的图像自动增强方法，其特征在于：所述对原始输入的原始图像进行自动增强包括以下步骤：输入原...

【专利技术属性】
技术研发人员：苏家仪，韦光亮，王筱东，张玉国，苏世宁，韦潇依，龚骏毅，
申请(专利权)人：广西慧云信息技术有限公司，
类型：发明
国别省市：