一种结合曝光特征的夜晚图像语义分割模型制造技术

本发明专利技术提出了一种结合曝光特征的夜晚图像语义分割模型。该方法首先设计目标特征增强提取阶段，通过曝光特征提取模块和目标特征增强模块来学习夜晚光照特征，根据光照分布与目标损失程度的关系，对目标特征进行增强，使模型可以学习到更丰富的目标特征，减少夜晚场景带来的目标特征损失；其次，在上下文信息融合阶段，通过将上下文信息提取模块中提取到的语义特征图，加入到曝光注意力模块，对提取到的上下文信息进行加权，使模型可以在曝光问题区域更依赖上下文信息，学习到更有效的语义特征；最后，在解码阶段融合高层语义特征与低层特征，补充下采样过程中丢失的细节信息，提高语义分割精度。该方法可以捕捉到更多的夜晚图像特征，把握目标的边缘细节信息，有效地提升语义分割网络在夜晚场景的分割精度，实现更准确的语义分割。

【技术实现步骤摘要】

本专利技术涉及一种结合曝光特征的夜晚图像语义分割模型，属于计算机视觉。

技术介绍

1、图像语义分割是计算机视觉领域的经典任务之一，它的主要目标是将输入图像分割为具有语义类别标签的区域块，最终输出逐像素语义类别标注的结果图像。语义分割是许多高层次图像处理任务的基础，在自动驾驶、智能机器人、增强现实等领域也具有实用价值。

2、随着深度神经网络在计算机视觉领域的广泛应用，深度学习方法在图像语义分割任务上也得到了应用。图像语义分割网络能够自动学习图像中的特征并实现语义类别标签的预测，极大提升了语义分割的精确度。但是，现有的分割模型主要集中于解决白天场景下拍摄图像的语义分割，并没有成熟的夜晚图像的语义分割技术。夜晚场景下，图像整体光照较弱，对比度低，光照缺失可能造成图像整体特征的损失，同时，目标的颜色、纹理等浅层特征不明显；另一方面，夜晚街景场景相比白天存在更多光源，如路灯、车灯以及建筑内外灯光等，这些强光源形成的光晕会导致光晕附近目标的原有特征丧失，而光晕、眩光的产生，也会给正常的夜晚图像带来更多噪声。这些因素给夜晚图像的语义分割带来很大挑战。对于一个本文档来自技高网...

【技术保护点】

1.一种结合曝光特征的夜晚图像语义分割模型，其特征在于包括如下步骤：

2.如权利要求1所述的一种结合曝光特征的夜晚图像语义分割模型，其特征在于步骤(1.1)中曝光特征提取模块的具体处理过程为：

3.如权利要求1所述的一种结合曝光特征的夜晚图像语义分割模型，其特征在于步骤(1.1)中目标特征增强模块的具体处理过程为：

4.如权利要求1所述的一种结合曝光特征的夜晚图像语义分割模型，其特征在于步骤(1.2)中上下文信息提取模块的具体处理过程为：

5.如权利要求1所述的一种结合曝光特征的夜晚图像语义分割模型，其特征在于步骤(1.2)中曝光注意力模块...

【技术特征摘要】

1.一种结合曝光特征的夜晚图像语义分割模型，其特征在于包括如下步骤：

2.如权利要求1所述的一种结合曝光特征的夜晚图像语义分割模型，其特征在于步骤(1.1)中曝光特征提取模块的具体处理过程为：

3.如权利要求1所述的一种结合曝光特征的夜晚图像语义分割模型，其特征在于步骤(1.1)中目标特征增强模块的具体处理过程为：

4.如权利要求1所述的一种结合曝光特征的夜晚图像语义分割模型，其特征在于步骤(1.2)中上下文信息提取...

【专利技术属性】
技术研发人员：郑锦，王菲，鲁馨怡，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：