【技术实现步骤摘要】
本专利技术涉及深度学习，尤其涉及一种图像识别方法、装置、存储介质及电子设备。
技术介绍
1、在众多成像场景下，存在因光线、物体表面反射等拍摄原因，导致图像质量不理想，低照度环境对图像识别任务构成了严峻挑战。
2、传统方法如直方图均衡化，通过拉伸图像像素值分布来提升对比度，却易引入噪声，使图像细节受损，尤其在暗区细节难以有效恢复。
3、随着深度学习发展，基于卷积神经网络（cnn）的方法逐渐兴起。这些方法借助网络强大的特征学习能力，从低照度图像中提取更具区分性的特征用于识别。然而，现有cnn架构在低照度场景下存在梯度弥散问题，未充分考虑光照不均匀性对特征提取的影响，无法精准定位目标区域。
4、此外，目前多数图像识别方法对不同类型低照度图像（如夜间微光、室内弱光等）的适应性欠佳，难以在不同场景下保持稳定、高效的识别性能，严重制约了其在安防监控、自动驾驶、医疗成像、电力系统运维等实际应用领域的大规模推广与应用。
5、综上所述，现有图像识别技术在图像增强效果、特征提取准确性以及跨场景适应性等方面均存...
【技术保护点】
1.一种图像识别方法，其特征在于，具体包括如下步骤：
2.根据权利要求1所述的一种图像识别方法，其特征在于，通过图像的一个或多个特征进行图像质量判断；其中，所述特征包括CDF、HSV和LAB。
3.根据权利要求1所述的一种图像识别方法，其特征在于，获取图像，对所述图像的质量进行判断，形成第一图像集和低照度图像集，具体包括如下步骤：
4.根据权利要求1所述的一种图像识别方法，其特征在于，对所述低照度图像集进行增强处理，形成第二图像集，具体包括如下步骤：
5.根据权利要求1所述的一种图像识别方法，其特征在于，所述深度学习模型...
【技术特征摘要】
1.一种图像识别方法，其特征在于，具体包括如下步骤：
2.根据权利要求1所述的一种图像识别方法，其特征在于，通过图像的一个或多个特征进行图像质量判断；其中，所述特征包括cdf、hsv和lab。
3.根据权利要求1所述的一种图像识别方法，其特征在于，获取图像，对所述图像的质量进行判断，形成第一图像集和低照度图像集，具体包括如下步骤：
4.根据权利要求1所述的一种图像识别方法，其特征在于，对所述低照度图像集进行增强处理，形成第二图像集，具体包括如下步骤：
5.根据权利要求1所述的一种图像识别方法，其特征在于，所述深度学习模型为yolov11n模型；其中，所述yolo v11n模型包括依次连接的主干网络、连接层和输出层；
6.根据权利要求5所述的一种图像识别方法，其特征在于，将所述c3k2模块中的bottleneck模块替换为轻量化的starblock模块，形成i-c3k2模块。
【专利技术属性】
技术研发人员：王瑶，邢怀球，尤成龙，徐江云，周若予，刘欢，姚才俊，
申请(专利权)人：衡诚能源科技上海有限公司，
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。