一种基于自监督特征学习的暗光场景目标检测方法技术

本发明专利技术公开了一种基于自监督特征学习的暗光场景目标检测方法，属于图像处理领域；包括以下步骤：S1：建立识别网络，识别网络包括特征编码器E、图像重构解码器Drec和目标检测解码器Dobj；建立并最小化联合损失函数对识别网络进行指导训练，当损失函数收敛时，识别网络训练完成，特征编码器E的权值固定；S3：具体训练中，使用无标签的Imagenet‑1k数据集和带有标签的ExDark数据集对识别网络进行训练，图像重构解码器与目标检测解码器同时进行训练；S4：将暗光数据集输入到识别网络中，输出结果。本发明专利技术采用上述方法，给出一个暗光场景目标检测算法框架，在该框架约束下使得特征编码器E在域偏移较大时对暗光场景图像有较好的特征表达。

【技术实现步骤摘要】

本专利技术涉及图像处理的，尤其是涉及一种基于自监督特征学习的暗光场景目标检测方法。

技术介绍

1、在实际检测中经常会遇到暗光场景的目标检测。暗光场景图像受到光线不足的影响，图像对比度降低、颜色失真、目标边界模糊、存在噪声。这些高低频信息的丢失给后续的目标检测任务带来极大的挑战。目前性能优越的通用目标检测算法在暗光数据集上，如exdark、darkface等检测性能大幅下降。常用的暗光场景目标检测方法主要可以分为两大类：基于图像增强的检测方法和基于迁移学习的检测方法；

2、图像增强的检测方法通常将任务分为两步：先进行图像增强，恢复图像的可见细节信息，而后进行目标检测。现有的增强手段往往借助人类视觉感知原理。最直接的思路是对图像进行直方图均衡化或s型曲线变换。但由于固定的映射过程缺乏对图像光照分布的考虑，恢复出的图像往往颜色失真严重；

3、基于迁移学习的目标检测方法使用一个特征提取网络对不同域数据产生类似的、通用的特征，即域不变特征，当源域与目标域数据集偏移较大时，两域的特征分布可能交集较少甚至不存在交集，直接使用迁移学习方式会导致模型本文档来自技高网...

【技术保护点】

1.一种基于自监督特征学习的暗光场景目标检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于自监督特征学习的暗光场景目标检测方法，其特征在于：所述步骤S1中，所述特征编码器E由视觉自注意力模型构成，包括图像块嵌入层和若干个视觉自注意力模块。

3.根据权利要求2所述的一种基于自监督特征学习的暗光场景目标检测方法，其特征在于：所述步骤S2中，建立联合损失函数的过程如下：

4.根据权利要求3所述的一种基于自监督特征学习的暗光场景目标检测方法，其特征在于：所述步骤S3中，图像重构解码器对特征编码器E进行指导的过程如下：p>

5.根据权...

【技术特征摘要】

1.一种基于自监督特征学习的暗光场景目标检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于自监督特征学习的暗光场景目标检测方法，其特征在于：所述步骤s1中，所述特征编码器e由视觉自注意力模型构成，包括图像块嵌入层和若干个视觉自注意力模块。

3.根据权利要求2所述的一种基于自监督特征学习的暗光场景目标检测方法，其特征在于：所述步骤s2中，建立联合损失函数的过程如下：

4.根...

【专利技术属性】
技术研发人员：储珺，阙启正，陶海波，
申请(专利权)人：南昌航空大学，
类型：发明
国别省市：