申请/专利权人：佛山市南海区广工大数控装备协同创新研究院;佛山市广工大数控装备技术发展有限公司

申请日：2020-10-27

公开（公告）日：2024-06-21

公开（公告）号：CN112287998B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/82;G06N3/0464;G06N3/048;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2021.02.23#实质审查的生效;2021.01.29#公开

摘要：本发明公开一种低光照条件下进行目标检测的方法。包括以下步骤：S1、选取和划分数据集；S2、构建低光照条件下目标检测的原始网络结构；S3、预训练各个网络的模型，通过粘合层把各个网络的预训练模型进行结合；S4、通过生成模型对粘合层进行迭代训练，训练出最优粘合层，得到最优网络结构；S5、采用最优网络结构在低光照条件下进行目标检测。本发明能够融合多个不同网络模型，使用无监督学习的方式来学习不同域间的差异，进而学到域自适应特性，提升在不同域之间的适应性，方便域的迁移，能够很好地把不同的网络模型合并融合，因此能够避免去构建一个低光照图片数据集，达到省时省力的目的，有效提升目标检测的性能。

主权项：1.一种低光照条件下进行目标检测的方法，其特征在于，包括以下步骤：S1、选取和划分数据集；S2、构建低光照条件下目标检测的原始网络结构，所述原始网络结构由三部分组成，包括编码器网络、粘合层以及YOLO网络；所述编码器网络由四个卷积块组成，每个卷积块采用的结构都是由两个3×3Conv2d+ReLU的卷积层，卷积层后面都皆有ReLU激活函数，每两个块之间通过一个2×2MaxPool,stride＝2的最大池化层进行下采样；所述粘合层由三个卷积块组成，每个卷积块都与编码器部分的相应特征图层用捷径来实现拼接，编码器的第三个卷积块粘合层的第二个卷积块通过捷径相连，粘合层的第三个卷积块和编码器的第四个卷积块通过捷径相连，每个卷积块采用的结构都是由两个3×3Conv2d+ReLU的卷积层，卷积层后面都皆有ReLU激活函数，每两个块之间通过一个2×2MaxPool的最大池化层进行下采样，粘合层的三个层次的特征对应着的池化比例是11，12，14；所述YOLO网络由四个卷积块和两个全连接层，对于第一个卷积块，采用的是1×1Conv2d、3×3Conv2d、1×1Conv2d、3×3Conv2d、跟着一个2×2Maxpool,stirde＝2，第二个卷积层采用的是4组1×1Conv2d、3×3Conv2d、1×1Conv2d的卷积层以及1×1Conv2d、3×3Conv2d，跟着一个2×2Maxpool,stirde＝2，第三个卷积层采用2组1×1Conv2d、3×3Conv2d的卷积层，跟着3×3Conv2d和3×3Conv2d,stride＝2的卷积层，第四个卷积块采用两个3×3Conv2d的卷积层，每个卷积层后都有跟ReLU激活函数，第四个卷积块后两个都是全连接层；S3、预训练编码器网络和YOLO网络得到预训练编码器模型和预训练YOLO模型，通过所述粘合层把预训练编码器模型和所述预训练YOLO模型进行结合，得出生成模型Ⅰ；S4、通过所述生成模型Ⅰ对粘合层进行迭代训练，训练出最优粘合层，得出低光照条件下目标检测的最优网络结构；S5、采用所述最优网络结构在低光照条件下进行目标检测。

全文数据：

权利要求：

百度查询： 佛山市南海区广工大数控装备协同创新研究院;佛山市广工大数控装备技术发展有限公司 一种低光照条件下进行目标检测的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD