【技术实现步骤摘要】
本专利技术涉及低照度车辆目标检测领域，具体而言，涉及一种低照度车辆目标检测方法及系统。
技术介绍
1、现有技术中，在夜间等低照度环境下，由于路灯的昏暗光线、车灯和道路反射的干扰，导致车辆图像曝光度低、对比度、图像质量差，车辆的特征难以提取。此外，现有目标检测器对于低照度车辆的提取效果差，当利用车辆的典型特征时，如阴影、纹理和大灯进行检测，由于在低光照条件下典型特征容易严重损失，导致待进行目标检测的车辆精度不大，无法达到理想效果。因此，亟需一种低照度车辆目标检测方法，一方面需方便在低照度条件下对车辆特征进行数据处理，另一方面避免了典型特征损失对车辆目标检测的影响，提升了检测精度。
技术实现思路
1、本专利技术的目的在于提供一种低照度车辆目标检测方法及系统，以改善上述问题。为了实现上述目的，本专利技术采取的技术方案如下：
2、第一方面，本申请提供了一种低照度车辆目标检测方法，所述方法包括：
3、获取第一信息和第二信息，所述第一信息为车辆在低照度行驶时的图像信息，所述第二...
【技术保护点】
1.一种低照度车辆目标检测方法，其特征在于，包括：
2.根据权利要求1所述的低照度车辆目标检测方法，其特征在于，对所述预处理数据集通过预设的非配对生成模型进行数据转换，得到低照度行车图像数据集，其中预设的非配对生成模型为CUT网络，所述CUT网络中的整体损失函数的求解包括：
3.根据权利要求2所述的低照度车辆目标检测方法，其特征在于，对所述预处理数据集通过预设的第一对比损失模型进行求解，得到预处理数据集所对应的第一对比损失函数，包括：
4.根据权利要求1所述的低照度车辆目标检测方法，其特征在于，将所述低照度行车图像数据集输入至预设的...
【技术特征摘要】
1.一种低照度车辆目标检测方法，其特征在于，包括：
2.根据权利要求1所述的低照度车辆目标检测方法，其特征在于，对所述预处理数据集通过预设的非配对生成模型进行数据转换，得到低照度行车图像数据集，其中预设的非配对生成模型为cut网络，所述cut网络中的整体损失函数的求解包括：
3.根据权利要求2所述的低照度车辆目标检测方法，其特征在于，对所述预处理数据集通过预设的第一对比损失模型进行求解，得到预处理数据集所对应的第一对比损失函数，包括：
4.根据权利要求1所述的低照度车辆目标检测方法，其特征在于，将所述低照度行车图像数据集输入至预设的yolov7模型中进行训练，得到低照度车辆目标检测模型，所述yolov7模型包括自适应...
【专利技术属性】
技术研发人员：杨柳，王梓吉，朱朗，马征，刘恒，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：
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。