【技术实现步骤摘要】
本专利技术属于计算机视觉、目标检测、恶劣自然环境处理，具体涉及一种基于半监督学习的有雾图像目标检测方法。
技术介绍
1、在雾霾天气条件下，相机采集到的图像会严重退化，图像中的重要细节信息也会严重丢失，严重阻碍了后续对图像的分析与应用，特别地，由于雾霾的影响往往会导致目标检测等高层计算机视觉任务的精度下降，容易在检测过程中发生误检、漏检等现象，
2、当前基于深度学习的目标检测算法在晴朗天气场景下已经获得了令人满意的性能，然而这些先进的目标检测器直接用于雾霾场景时检测性能会大幅度降低。这是因为雾霾场景与自然天气场景之间存在域差异，导致检测模型无法很好地迁移到雾霾场景下进行应用。因此，在复杂多样的雾霾场景下对目标检测方法的研究是十分必要的。
3、现有雾霾场景下的目标检测算法大多使用先增强后检测或域自适应检测的方式进行算法构建。然而，这些算法应用在真实雾天场景中的检测效果仍然不是很理想，并不能充分挖掘恶劣雾霾场景下目标物体的特征信息进而应用于目标检测任务中。
4、另外，在大规模有雾图像上进行目标物体的手动标注...
【技术保护点】
1.一种基于半监督学习的有雾图像目标检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于半监督学习的有雾图像目标检测方法，其特征在于，所述步骤1的具体过程为：
3.根据权利要求1所述的一种基于半监督学习的有雾图像目标检测方法，其特征在于，所述步骤2中半监督师生学习目标检测框架包括教师网络与学生网络，所述教师网络与学生网络的图像去雾模型采用相同的模型结构，目标检测模型也采用相同的模型结构；弱数据增强方式为随机水平翻转操作，强数据增强方式为随机水平翻转与高斯噪声、Cutout、Mixup、Mosaic方法相结合的操作；
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。