一种基于深度学习的多尺度雾天场景目标检测方法及系统技术方案

本发明专利技术涉及一种基于深度学习的多尺度雾天场景目标检测方法及系统，其包括：将获取的雾天场景原始图像数据输入至预先训练好的雾视模型中，获取第一检测结果；其中，雾视模型为融合了平移窗口聚焦检测层及解耦检测头的

【技术实现步骤摘要】
一种基于深度学习的多尺度雾天场景目标检测方法及系统


[0001]本专利技术属于机器人及智能硬件领域，涉及视觉和图像处理
，特别是关于一种基于深度学习的多尺度雾天场景目标检测方法及系统
。

技术介绍

[0002]在雾天气候条件下，由于恶劣的环境影响，目标检测算法面临着图像质量较差的挑战
。
这种现象导致物体的边缘变得模糊或消失，进而影响算法的准确性和鲁棒性，限制了其在各领域中的应用效果
。
因此，针对雾天气候场景设计专门的目标检测算法具有重要意义
。
[0003]为了克服在雾天环境下目标检测所面临的挑战，研究人员从多个角度提出了解决方案：第一种是采用传统的图像处理技术进行目标检测，这些算法主要基于传统的图像处理技术，如雾霾图像恢复
、
直方图均衡和滤波等，通过对图像进行增强来提高图像质量以完成目标检测任务
。
然而，这些方法的有效性受到先验知识和手动调整的限制，在实际应用中存在较大的局限
。
[0004]第二种是采用基于雾程度估计算法的目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于深度学习的多尺度雾天场景目标检测方法，其特征在于，包括：将获取的雾天场景原始图像数据输入至预先训练好的雾视模型中，获取第一检测结果；其中，雾视模型为融合了平移窗口聚焦检测层及解耦检测头的
YOLOv5
网络；将雾天场景原始图像数据进行分割，将原始图像均匀划分成至少两块子图像，并将所有子图像等比放大后再次输入预先训练好的雾视模型中，获取第二检测结果；将第一检测结果与第二检测进行融合处理，得到雾天场景最终的目标检测结果
。2.
如权利要求1所述基于深度学习的多尺度雾天场景目标检测方法，其特征在于，雾视模型的训练，包括：将雾天场景原始图像数据划分为训练集和测试集，并分别对训练集和测试集进行数据增强处理；将数据增强处理后的训练集输入雾视模型进行训练，得到训练好的雾视模型；将测试集输入训练好的雾视模型，得到测试集结果，以输出雾天场景下的潜藏目标
。3.
如权利要求2所述基于深度学习的多尺度雾天场景目标检测方法，其特征在于，分别对训练集和测试集进行数据增强处理，包括：训练集采用马赛克数据增强方法及混合数据方法进行数据增强处理；测试集采用尺度数据增强方法进行数据增强处理
。4.
如权利要求1所述基于深度学习的多尺度雾天场景目标检测方法，其特征在于，雾视模型包括：骨干网络
、
颈部和检测头；在骨干网络中增加平移窗口聚焦检测层，平移窗口聚焦检测层位于骨干网络的最后一层，通过分解图像数据集中特征图的空间维度和通道维度，将特征图的信息进行全局性的交互和聚合，增强主干网络对目标位置的关注，使得目标的特征更容易被捕捉到；检测头采用解耦检测头，以完成最终阶段的检测任务
。5.
如权利要求4所述基于深度学习的多尺度雾天场景目标检测方法，其特征在于，解耦检测头，是将原有的检测...

【专利技术属性】
技术研发人员：孟祥林，金笃煊，金林浩，刘翼，范丽丽，范晶晶，
申请(专利权)人：江苏智能无人装备产业创新中心有限公司，
类型：发明
国别省市：