买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南昌航空大学

摘要：本发明公开了一种基于自监督特征学习的暗光场景目标检测方法，属于图像处理领域；包括以下步骤：S1：建立识别网络，识别网络包括特征编码器E、图像重构解码器Drec和目标检测解码器Dobj；建立并最小化联合损失函数对识别网络进行指导训练，当损失函数收敛时，识别网络训练完成，特征编码器E的权值固定；S3：具体训练中，使用无标签的Imagenet‑1k数据集和带有标签的ExDark数据集对识别网络进行训练，图像重构解码器与目标检测解码器同时进行训练；S4：将暗光数据集输入到识别网络中，输出结果。本发明采用上述方法，给出一个暗光场景目标检测算法框架，在该框架约束下使得特征编码器E在域偏移较大时对暗光场景图像有较好的特征表达。

主权项：1.一种基于自监督特征学习的暗光场景目标检测方法，其特征在于：包括以下步骤：S1：建立识别网络，识别网络包括一个权值共享的特征编码器E、图像重构解码器Drec和目标检测解码器Dobj；S2：建立并最小化联合损失函数对识别网络进行指导训练，当损失函数收敛时，识别网络训练完成，特征编码器E的权值固定；建立联合损失函数的过程如下：联合损失函数包括重构解码器损失和检测解码器损失；重构解码器采用平均绝对误差作为其损失函数，公式如下： 5上式中，原真实图像块的第个像素值为，还原后的图像的第块像素值为，总像素个数为；检测解码器损失包括置信度损失，定位损失与分类损失，置信度损失的公式如下： 6上式中，表示预测框的序号，表示预测目标边界框与真实目标边界框的交并比，为预测值，为通过Sigmoid函数得到的预测置信度，为正负样本个数；定位损失的公式如下： 7上式中，，，，为网络预测的回归参数；，，，分别为原真实图像块中心点的坐标以及宽度和高度；分类损失的公式如下： 8上式中，，表示预测目标边界框中是否存在第类目标，为预测值，为通过Sigmoid函数得到的目标概率，为正样本个数，是类别总数；结合重构解码器损失、置信度损失、定位损失与分类损失得到联合损失函数的公式如下： 9上式中，是重构解码器损失，是置信度损失，是定位损失，是分类损失，，，，为平衡系数；S3：具体训练中，使用无标签的Imagenet-1k数据集经过特征编码器E输入到图像重构解码器中对特征编码器E进行指导；使用带有标签的ExDark数据集经过特征编码器E输入到目标检测解码器中对目标检测解码器和特征编码器E进行指导；图像重构解码器与目标检测解码器同时进行训练；S4：将暗光数据集输入到识别网络中，经过特征编码器E和目标检测解码器，输出识别结果。

全文数据：

权利要求：

百度查询： 南昌航空大学 一种基于自监督特征学习的暗光场景目标检测方法