基于零样本学习的弱光环境下自适应增强目标检测方法技术

本发明专利技术公开了一种基于零样本学习的弱光环境下自适应增强目标检测方法，涉及目标检测领域；其首先获取包含原始图像及其对应的暗光图像的数据集；然后，构建包含第一通道、第二通道和合成通道的DAI‑Net模型，其中第一通道提取并解码低层特征，第二通道使用预训练的Retinex分解网络获取反射率和光照信息伪真值，合成通道利用这些信息重构出新的图像并再次解码；接着，使用多种损失函数训练模型，得到暗光自适应目标增强检测模型；最后，利用该模型检测输入图像中的待检目标，该方法在弱光环境下显著提升了目标检测性能。

【技术实现步骤摘要】

本专利技术涉及目标检测领域，特别是涉及一种基于零样本学习的弱光环境下自适应增强目标检测方法。

技术介绍

1、目标检测作为计算机视觉领域的核心研究方向，其主要挑战在于精确识别和定位图像中的各种目标。随着技术的发展，大规模数据集的出现极大地推动了这一领域的发展。例如，coco、open images等通用数据集，以及专门针对人脸识别的wider face数据集，为算法提供了丰富的训练样本。这些数据集包含了大量的标记信息，使先进的检测器能够学习到目标在不同环境下的多种特征，从而在精度和定位准确性上实现了显著提升。

2、与此同时，在低光视觉任务中，retinex理论扮演着不可或缺的角色。该理论提供了一种独特的图像分解模型，将图像分为反射率和光照两个部分，并通过乘法关系合成原始图像。反射率部分反映了物体的本质属性，不随光照条件的变化而变化；而光照则描述了场景的照明情况，它的变化会直接影响图像的亮度和颜色。这种分解方式不仅揭示了人类视觉系统对色彩和亮度感知的基本原理，也使得在不同的光照条件下保持物体视觉特征的一致性成为可能。因此，在低光环境下进行图像增强时本文档来自技高网...

【技术保护点】

1.一种基于零样本学习的弱光环境下自适应增强目标检测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于零样本学习的弱光环境下自适应增强目标检测方法，其特征在于，所述第一通道包括第一分割通道与第二分割通道，其构建方法为：基于Retinex理论对目标检测器的骨干网络进行分割得到第一分割通道与第二分割通道；

3.根据权利要求2所述的一种基于零样本学习的弱光环境下自适应增强目标检测方法，其特征在于，所述基于Retinex理论对目标检测器的骨干网络进行分割得到第一分割通道与第二分割通道，具体为：

4.根据权利要求3所述的一种基于零样本学习的弱光环境下自适...

【技术特征摘要】

1.一种基于零样本学习的弱光环境下自适应增强目标检测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于零样本学习的弱光环境下自适应增强目标检测方法，其特征在于，所述第一通道包括第一分割通道与第二分割通道，其构建方法为：基于retinex理论对目标检测器的骨干网络进行分割得到第一分割通道与第二分割通道；

3.根据权利要求2所述的一种基于零样本学习的弱光环境下自适应增强目标检测方法，其特征在于，所述基于retinex理论对目标检测器的骨干网络进行分割得到第一分割通道与第二分割通道，具体为：

4.根据权利要求3所述的一种基于零样本学习的弱光环境下自适应增强目标检测方法，其特征在于，所述合成通道用于利用第二通道分解得到的光照信息伪真值与第一通道解码得到的首次解码反射率重建出第一图像与第二图像，具体为：

5.根据权利要求4所述的一种基于零样本学习的弱光环境下自适应增强目标检测方法，其特征在于，所述损失函数还包括：...

【专利技术属性】
技术研发人员：请求不公布姓名，请求不公布姓名，请求不公布姓名，请求不公布姓名，
申请(专利权)人：浙江优众新材料科技有限公司，
类型：发明
国别省市：