【技术实现步骤摘要】
本专利技术属于图像识别，具体涉及一种图像识别及目标检测方法。
技术介绍
1、在监测设备、航拍图像、卫星图像和医学成像等实际应用场景中，受限于采集设备成本及自然环境因素，拍摄获得的图像存在分辨率较低、模糊、低质量的问题，而图像质量的优劣直接影响图像识别及目标检测的精度。因此，需要对原始图像进行超分辨率重建。
2、现有技术中，目标检测方法主要包括基于传统机器学习的目标检测方法和基于深度学习的目标检测方法，而基于传统机器学习的目标检测方法存在对人工过于依赖的问题。由于目标环境的复杂性和多变性，仅靠人工很难实现对目标特征的全面提取，而提取出的特征的优劣以及是否具有全面性，对目标检测的效果有着极为重要的影响。相较于传统机器学习方法，基于深度学习的目标检测方法通过深度卷积神经网络在大量的样本上进行训练和学习，以实现自动提取目标特征，可以避免人工提取特征存在的不够全面等问题，表现出了更为优秀的目标检测能力。但是，现有的基于深度学习的目标检测方法检测速度较慢，难以满足在保证目标检测精度的同时，对实时性和轻量化的要求。
...
【技术保护点】
1.一种图像识别及目标检测方法，其特征在于，包括以下步骤：
2.按照权利要求1所述的一种图像识别及目标检测方法，其特征在于，步骤一中所述对原始图像进行预处理，提高图像局部对比度的具体过程包括：
3.按照权利要求2所述的一种图像识别及目标检测方法，其特征在于，步骤103中所述自适应直方图均衡化的具体过程包括：先计算图像的局部直方图，然后对图像的亮度进行重新分布，来提高图像的局部对比度，以图像像素的局部统计特征为基础，利用以自身像素为中心的一个局部子图像的直方图得到均衡化变化函数，来计算得到每个像素的灰度值；
4.按照权利要求1所述的一...
【技术特征摘要】
1.一种图像识别及目标检测方法，其特征在于，包括以下步骤：
2.按照权利要求1所述的一种图像识别及目标检测方法，其特征在于，步骤一中所述对原始图像进行预处理，提高图像局部对比度的具体过程包括：
3.按照权利要求2所述的一种图像识别及目标检测方法，其特征在于，步骤103中所述自适应直方图均衡化的具体过程包括：先计算图像的局部直方图，然后对图像的亮度进行重新分布，来提高图像的局部对比度，以图像像素的局部统计特征为基础，利用以自身像素为中心的一个局部子图像的直方图得到均衡化变化函数，来计算得到每个像素的灰度值；
4.按照权利要求1所述的一种图像识别及目标检测方法，其特征在于，步骤二中所述改进的srgan算法的具体过程包括：
5.按照权利要求4所述的一种图像识别及目标检测方法，其特征在于，步骤202中所述优化后的内容损失函数为：
6.按照权利要求1所述的一种图像识别及目标检测方法，其特征在于，步骤三中所述改进的yol...
【专利技术属性】
技术研发人员：王媛彬，吴冰超，李千禧，何东阳，刘佳，马砺，郭亚茹，贺文卿，
申请(专利权)人：西安科技大学，
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。