雾天目标检测方法及装置制造方法及图纸

本发明专利技术提供了一种雾天目标检测方法及装置。其中，雾天目标检测方法，包括：将获取的雾天图像数据输入到构建的特征加权融合的雾天目标检测模型DF‑RTDETR；特征加权融合的雾天目标检测模型DF‑RTDETR对雾天图像数据进行特征提取，特征选择和特征融合后完成目标检测。通过改进特征提取网络DCN‑ResNet18（ResNet18 with Deformable Convolution Fusion）和特征选择金字塔的跨尺度特征融合模块FP‑CCFM（Cross‑Scale Feature Fusion Module of Feature Selection Pyramid），针对雾天条件下的图像特点进行了优化，实现了在密集目标和干扰目标同时存在的情况下更好的检测效果，从而达到提高雾天场景中的检测精度的目的。

【技术实现步骤摘要】

本专利技术属于图像处理，尤其是涉及一种雾天目标检测方法及装置。

技术介绍

1、视觉是人们认知世界的重要途径，据估计，人类通过视觉获取的信息占到了所有感官信息的90%。近年来，随着深度学习技术的快速发展，深度学习在计算机视觉任务中的应用日益广泛。得益于数字成像技术的不断进步，如摄像机、电视和互联网等媒介，可以获取到大量的图像和视频数据，为深度学习模型的训练提供了丰富的素材。基于深度学习的计算机视觉技术在面部识别、目标检测和图像分类等视觉任务中，已经取得了显著的进展，在某些情况下甚至超越了人眼的能力。

2、目标检测作为计算机视觉领域的一个关键问题，其核心目标是在图像或视频中识别并定位所有感兴趣的对象，同时确定它们的类别。尽管在正常光照条件下目标检测技术已经取得了显著的成果，但在恶劣天气条件下，如雾、霾或低光照环境，图像的亮度、对比度会降低，同时受到更多的噪声干扰，这些因素都会严重影响目标检测算法的性能，造成目标检测的准确性下降，出现漏检和错检现象。近年来，研究者们对目标检测技术进行了深入的研究，早期的目标检测方法依赖于手工设计的特征，这些特征易受不本文档来自技高网...

【技术保护点】

1.一种雾天目标检测方法，其特征在于，包括：

2.根据权利要求1所述的雾天目标检测方法，其特征在于，所述特征加权融合的雾天目标检测模型DF-RTDETR，包括：

3.根据权利要求2所述的雾天目标检测方法，其特征在于，所述主干网络DCN-ResNet18中，使用DCNv4网络提升提取特征的动态性和表达能力。

4.根据权利要求2所述的雾天目标检测方法，其特征在于，所述特征选择金字塔的跨尺度特征融合模块FP-CCFM，包括特征选择模块和特征融合模块。

5.根据权利要求4所述的雾天目标检测方法，其特征在于，所述特征选择模块，包括注意力CA模块。...

【技术特征摘要】

1.一种雾天目标检测方法，其特征在于，包括：

2.根据权利要求1所述的雾天目标检测方法，其特征在于，所述特征加权融合的雾天目标检测模型df-rtdetr，包括：

3.根据权利要求2所述的雾天目标检测方法，其特征在于，所述主干网络dcn-resnet18中，使用dcnv4网络提升提取特征的动态性和表达能力。

4.根据权利要求2所述的雾天目标检测方法，其特征在于，所述特征选择金字塔的跨尺度特征融合模块fp-ccfm，包括特征选择模块和特征融合模块。

5.根据权利要求4所述的雾天目标检测方法，其特征在于，所...

【专利技术属性】
技术研发人员：程文鑫，闫光辉，常文文，吴佰靖，邢江娃，杨培，牛勇，张巧珍，严鲜财，李延成，李鸿涛，
申请(专利权)人：兰州交通大学，
类型：发明
国别省市：