一种基于特征融合注意力改进模型去雾的方法技术

本发明专利技术公开了一种基于特征融合注意力改进模型去雾的方法，涉及智能交通技术领域。本发明专利技术基于FFA网络的改进算法，进一步提升模型的去雾效果，不仅可以使驾驶员获得清晰的图像，减少交通事故的发生，而且可为诸如分类和目标检测等计算机视觉高级任务做预处理；以行人检测为例，在有雾气的干扰下，行人检测出的概率降低，导致模型的召回率和精度下降，这极大地限制了应用场景，通过本技术方案能够有效实现去雾，清晰度高。清晰度高。清晰度高。

【技术实现步骤摘要】
一种基于特征融合注意力改进模型去雾的方法


[0001]本专利技术属于智能交通
，特别是涉及一种基于特征融合注意力改进模型去雾的方法。

技术介绍

[0002]由烟雾、悬浮颗粒引起的大雾天气对视觉效果的下降，一直是引起交通事故的重要成因之一。驾驶员能见度降低，面对突发情况时容易慌乱，从而增加了误操作的可能导致车祸的发生。
[0003]近年来，无人驾驶技术发展对大雾天气起到了重要的作用，通过应用去雾算法对车载相机拍摄的图片处理与恢复，得到清晰的图片以辅助驾驶员做出正确的决策或操控汽车的行驶。目前去雾算法主要基于卷积神经网络，通过输入有雾图片到网络中，得到预测图片，再计算与清晰图片的损失值来优化网络中的参数，最终使得预测的清晰图片与实际上的清晰图片相接近。是一种端到端的算法，具有推理速度快、易部署等特点，但仍存在一些问题，使得去雾效果无法令人满意。特别是由于在合成数据集上训练，在理论上达到不错的结果，而在真实场景中难以拟合。

技术实现思路

[0004]本专利技术提供了一种基于特征融合注意力改进模型去雾的方法，特别是提出一种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特征融合注意力改进模型去雾的方法，其特征在于，包括如下步骤：S1、采用RESIDE数据集进行训练，该数据集包含使用算法生成的图片和真实世界大雾图片；以p张真实世界大雾图片以及由真实世界大雾图片生成的10p张使用算法生成的图片作为训练集，送入FFA网络中训练，通过损失函数计算网络中每一层的梯度，再使用梯度下降算法来反向传播改进网络层的参数，经过多轮训练迭代，得到每个神经网络层的最佳参数；S2、使用训练出的最佳权重来推理含有室外和室内场景各q张测试集，并使用指标来综合评价模型的性能，具体使用结构相似度SSIM和峰值信噪比PSNR作为评价指标，反应模型使用算法生成的图片与真实世界大雾图片之间的差距，...

【专利技术属性】
技术研发人员：骞志彦，张斌，
申请(专利权)人：视缘上海交通科技有限公司，
类型：发明
国别省市：