用于学习雾不变特征的方法和设备技术

一种用于学习雾不变特征的设备包括：雾通滤波器，其被训练为使得相同雾域的雾因子彼此接近且不同雾域的雾因子彼此分开，以便将输入图像的雾状态确定为雾因子，以及分割网络，其被训练为使得不同雾域之间的雾风格差距减小，其中雾通滤波器的训练和分割网络的训练通过使用三个雾域数据集而交替执行。使用三个雾域数据集而交替执行。使用三个雾域数据集而交替执行。

【技术实现步骤摘要】
用于学习雾不变特征的方法和设备
[0001]相关申请的交叉引用
[0002]本申请要求2022年6月22日在韩国知识产权局提交的第10
‑
2022
‑
0076456号韩国专利申请和2023年5月4日在韩国知识产权局提交的第10
‑
2023
‑
0058557号韩国专利申请的权益，其公开内容通过引用整体结合于此。


[0003]本公开涉及用于学习雾不变(fog
‑
invariant)特征以准确识别有雾场景的方法和设备。本研究由三星未来技术发展项目(项目号：SRFC
‑
IT1801
‑
05)支持。

技术介绍

[0004]因为有雾图像严重削弱能见度，所以有雾场景不容易识别。此外，因为只能在特定条件下拍摄有雾场景，所以有雾场景很难采集，并且因为由于雾而受限的能见度，所以也很难注释。
[0005]由于这个问题，为了识别有雾场景，已经使用了合成雾数据集来执行机器学习，在合成雾数据集中，将雾效果应用于注释的晴朗天气本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于学习雾不变特征的设备，所述设备包括：雾通滤波器，其被训练为使得相同雾域的雾因子彼此接近且不同雾域的雾因子彼此分开，以便将输入图像的雾状态确定为雾因子；以及分割网络，其被训练为使得不同雾域之间的雾风格差距减小，其中，所述雾通滤波器的训练和所述分割网络的训练通过使用三个雾域数据集而交替执行。2.根据权利要求1所述的设备，其中，所述三个雾域包括晴朗天气域、合成雾域和真实雾域，并且所述晴朗天气域和所述合成雾域各自被标记，所述真实雾域未被标记。3.根据权利要求1所述的设备，其中，当训练所述雾通滤波器时，所述分割网络的参数是固定的，并且当训练所述分割网络时，所述雾通滤波器的参数是固定的。4.根据权利要求1所述的设备，其中，所述雾通滤波器连接到所述分割网络，并且接收分割网络的特征图的格拉姆矩阵作为输入。5.根据权利要求1所述的设备，其中，所述雾因子指示以实数向量表示从所述输入图像提取的风格信息中的雾的效果的值，并且从所述输入图像提取的风格信息被表示为特征图的格拉姆矩阵。6.根据权利要求4所述的设备，其中，所述分割网络的特征图的格拉姆矩阵包括晴朗天气域的格拉姆矩阵、合成雾域的格拉姆矩阵和真实雾域的格拉姆矩阵。7.根据权利要求1所述的设备，其中，基于计算与正确答案靠近的预测值的分割损失、被计算以使得在不同雾条件下获得的训练图像的雾状态不可区分的雾风格匹配损失、以及被计算以导出具有图像识别正确答案的训练图像对的相似推断值的预测一致性损失，针对晴朗天气图像和合成雾图像的训练图像对训练所述分割网络。8.根据权利要求1所述的设备，其中，基于计算与从晴朗天气域和合成雾域当中选择的域的正确答案靠近的预测值的分割损失、以及被计算以使得从所选择的域获得的训练图像和从所述真实雾域获得的训练图像的雾状态不可区分的雾风格匹配损失，针对晴朗天气图像和真实雾图像的训练图像对以及真实雾图像和合成雾图像的训练图像对来训练所述分割网络。9.一种学习雾不变特征的方法...

【专利技术属性】
技术研发人员：郭秀夏，孙台暎，李昭弦，
申请(专利权)人：浦项工科大学校产学协力团，
类型：发明
国别省市：