一种复杂天气下基于YOLO的目标检测方法和系统技术方案

本发明专利技术公开了一种复杂天气下基于YOLO的目标检测方法，包括：获取待检测图像，并对获取的待检测图像进行预处理，以得到预处理后的图像，将预处理后的图像输入预先训练好的图像处理模型进行图像增强处理，以得到图像增强后的图像，将图像增强后的图像输入预先训练好的目标检测模型，以得到最终的目标检测结果。本发明专利技术能够解决现有基于区域提议的方法虽然检测准确度较高，但速度较慢，导致实时检测效率低的技术问题，以及现有基于单阶段回归的方法具有较快的识别速度，但在面对复杂环境、伪装目标等问题时，检测性能明显下降的技术问题。

【技术实现步骤摘要】

本专利技术属于计算机视觉目标检测，更具体地，涉及一种复杂天气下基于yolo的目标检测方法和系统。

技术介绍

1、目标检测作为计算机视觉领域的核心任务之一，近年来在自动驾驶、安防监控、智能交通等领域得到广泛应用。然而，复杂天气条件对目标检测的准确性和鲁棒性提出了严峻挑战。例如，在自动驾驶领域中，恶劣的天气条件如雨雪、雾霾等会导致图像质量下降，从而影响目标检测算法的性能。此外，一些伪装目标在纹理、颜色、形状等方面与背景高度相似，容易被忽略，给目标检测带来额外的困难。而且当训练数据与实际测试场景中的分布差异较大时，进一步限制了目标检测模型的性能。因此，亟待一种新的目标检测技术来提高在复杂天气下的准确性和鲁棒性，并解决训练数据与实际场景之间的分布差异问题。

2、目前，常见的目标检测方法主要有以下几种：第一种是基于区域提议的方法，如r-cnn模型等。这类方法首先从图像中生成相关区域，然后通过训练神经网络对其进行分类；第二种是基于单阶段回归的方法，如单阶段目标检测器(single shot multiboxdetector，简称ssd)模型等，这类方法通过本文档来自技高网...

【技术保护点】

1.一种复杂天气下基于YOLO的目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的复杂天气下基于YOLO的目标检测方法，其特征在于，步骤(1)具体为，首先，使用512×512的分辨率大小对获取的待检测图像进行尺度调整，然后，将尺度调整后的图像的像素值从[0,255]范围归一化到[0,1]范围，从而得到预处理后的图像。

3.根据权利要求1或2所述的复杂天气下基于YOLO的目标检测方法，其特征在于，图像处理模型是微分图像处理DIP模型，其是通过以下步骤训练得到的：

4.根据权利要求1至3中任意一项所述的复杂天气下基于YOLO的目标检测方法，...

【技术特征摘要】

1.一种复杂天气下基于yolo的目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的复杂天气下基于yolo的目标检测方法，其特征在于，步骤(1)具体为，首先，使用512×512的分辨率大小对获取的待检测图像进行尺度调整，然后，将尺度调整后的图像的像素值从[0,255]范围归一化到[0,1]范围，从而得到预处理后的图像。

3.根据权利要求1或2所述的复杂天气下基于yolo的目标检测方法，其特征在于，图像处理模型是微分图像处理dip模型，其是通过以下步骤训练得到的：

4.根据权利要求1至3中任意一项所述的复杂天气下基于yolo的目标检测方法，其特征在于，<...

【专利技术属性】
技术研发人员：唐卓，邓源，李肯立，秦云川，吴帆，皮慧龙，李瑞辉，刘志中，
申请(专利权)人：湖南大学，
类型：发明
国别省市：