基于联合训练的图像增强和目标检测准确率提升方法技术

本发明专利技术公开了一种基于联合训练的图像增强和目标检测准确率提升方法，属于人工智能技术领域，用于目标检测系统，目标检测系统包括图像增强网络和目标检测网络，所述方法包括：构建图像退化网络，将图像退化网络插入图像增强网络的前部；在图像增强网络的后端增加图像尺寸变换模块，用于训练过程中实现图像尺寸的自适应缩放；通过损失函数将图像增强网络和目标检测网络进行串联；构建训练数据集，对图像增强网络和目标检测网络进行联合训练。本发明专利技术使用时，恶劣环境下的图像经过图像增强网络后可以得到增强后的图像，增强后的图像输入到目标检测网络中即可实现检测准确率的提升，解决了目标检测方法在恶劣环境下检测目标困难的问题。问题。问题。

【技术实现步骤摘要】
基于联合训练的图像增强和目标检测准确率提升方法


[0001]本专利技术涉及人工智能
，特别是指一种基于联合训练的图像增强和目标检测准确率提升方法
。

技术介绍

[0002]目标检测技术在各行业已得到广泛应用，但是在恶劣环境下，目标检测模型无法很好的检测到场景中的目标，依赖于图像前处理对图像质量进行增强
。
[0003]目前的图像增强方法基本分为传统方法和基于深度学习的方法，传统方法泛化能力差，无法适应于多变的环境，基于深度学习的方法虽然有较强的泛化性，但增强后图像的质量依赖于训练所用的数据集，无法与目标检测算法达到良好的契合
。
[0004]专利技术专利
CN114998605B
公开了一种恶劣成像条件下图像增强引导的目标检测方法，专利技术专利申请
CN111611907A
公开了一种图像增强的红外目标检测方法，专利技术专利申请
CN114943869A
公开了一种风格迁移增强的机场目标检测方法
。
[0005]图像增强作为一种图像前处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于联合训练的图像增强和目标检测准确率提升方法，用于目标检测系统，所述目标检测系统包括图像增强网络和目标检测网络，其特征在于，所述方法包括：构建图像退化网络，将所述图像退化网络插入所述图像增强网络的前部；在所述图像增强网络的后端增加图像尺寸变换模块，用于训练过程中实现图像尺寸的自适应缩放；通过损失函数将所述图像增强网络和目标检测网络进行串联；构建训练数据集，对所述图像增强网络和目标检测网络进行联合训练
。2.
根据权利要求1所述的方法，其特征在于，所述图像退化网络通过人工添加退化进行随机混合的方式实现，所述退化包括模糊
、
噪声
、
色偏中的一种或多种
。3.
根据权利要求1所述的方法，其特征在于，所述图像增强网络采用基于生成式对抗网络
GAN
的图像增强网络，所述基于
GAN
的图像增强网络包括生成器和判别器，所述生成器采用
U
‑
Net
结构，所述判别器采用多尺度特征提取结构
。4.
根据权利要求1所述的方法，其特征在于，所述图像尺寸变换模块采用插值加多层卷积堆叠的方式构成
。5.
根据权利要求1所述的方法，其特征在于，所述目标检测网络采用
Yolov5
网络
。6.
根据权利要求1所述的方法，其特征在于，所述损失函数包括图像增强网络...

【专利技术属性】
技术研发人员：王海文，方亮，朱言庆，侯强，
申请(专利权)人：智洋创新科技股份有限公司，
类型：发明
国别省市：