【技术实现步骤摘要】
本专利技术属于目标检测和计算机视觉相结合的，具体涉及一种基于特征融合的恶劣天气目标检测方法和装置。
技术介绍
1、在深度学习领域中，目标检测是领域中的研究热点，而恶劣天气场景比如雾沙尘低光等极端恶劣天气下的目标检测一直以来都是难点。在雾天场景下，目前常用的方法主要是级联去雾网络和检测网络，通过去雾网络恢复干净图像，并将干净图像用作检测网络的输入，例如下述的两件公开技术方案：
2、公开号为cn118154886a的专利申请公开了一种用于恶劣天气下的红外图像去噪和小目标检测方法。首先构建三分类红外图像小目标数据集，随机的将数据集划分为三等份并添加高斯噪声、泊松噪声和椒盐噪声这三种噪声；然后构建用于恶劣天气条件下的红外图像去噪和小目标检测的网络架构，整体框架包括滤波器去噪模块、全分辨率去噪模块和yolov5检测器三部分，检测器中使用损失监督函数提高对小目标的检测性能；最后基于加噪的三分类红外图像小目标数据集，对提出的网络架构进行训练，获得红外图像的去噪和识别的模型，这样能够去除噪声并提取图像中关键特征所在的区域，再将关键区域传入检...
【技术保护点】
1.一种基于特征融合的恶劣天气目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于特征融合的恶劣天气目标检测方法，其特征在于，所述恶劣天气处理模型为对雾、雨、雪、低光、以及强光这些恶劣天气干扰因素中少一种干扰因素进行去除的模型，包括：针对雾这一干扰因素，恶劣天气处理模型采用DehazeFormer去雾模型，针对雨这一干扰因素采用基于Transformer框架的DeTformer去雨模型，针对低光这一干扰因素采用基于扩散的LightenDiffusion低光恢复模型。
3.根据权利要求1所述的基于特征融合的恶劣天气目标检测方法，...
【技术特征摘要】
1.一种基于特征融合的恶劣天气目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于特征融合的恶劣天气目标检测方法，其特征在于，所述恶劣天气处理模型为对雾、雨、雪、低光、以及强光这些恶劣天气干扰因素中少一种干扰因素进行去除的模型，包括：针对雾这一干扰因素，恶劣天气处理模型采用dehazeformer去雾模型，针对雨这一干扰因素采用基于transformer框架的detformer去雨模型，针对低光这一干扰因素采用基于扩散的lightendiffusion低光恢复模型。
3.根据权利要求1所述的基于特征融合的恶劣天气目标检测方法，其特征在于，将浅层特征图和处理后图像分别经过混合随机池化得到池化后特征，包括：
4.根据权利要求1所述的基于特征融合的恶劣天气目标检测方法，其特征在于，将两池化后特征进行特征融合得到融合特征，包括：
5.根据权利要求1所述的基于特征融合的恶劣天气目标检测方法，其特征在于，计算融合特征与浅层特征图对应的池化后特征的结构相似度作为相似度损失，包括：
6.根据权...
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。