[發明專利]一種域自適應霧天圖像目標檢測方法和裝置

有效

• 申請號: 202011527409.0
• 申請日: 2020-12-22
• 公開（公告）號: CN112633149B
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 邵文澤;賈再興
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06V20/20
• 分類號: G06V20/20;G06V10/80;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 錢玲玲

本發明公開了一種域自適應霧天圖像目標檢測方法和裝置，屬于目標檢測技術領域，方法包括如下步驟：對獲取的目標檢測數據集進行預處理；對骨干網絡進行模型多尺度性能改造重建；利用預處理后的目標檢測數據集訓練改造后的骨干網絡獲得目標檢測模型；對所述目標檢測模型搭建域分類器；采用霧天圖像和預處理后的目標檢測數據集，訓練搭建域分類器的所述目標檢測模型獲得域自適應檢測模型；利用所述域自適應檢測模型對待檢測霧天圖像進行目標檢測。本發明的方法和裝置具有檢測精度高、實時性和應用性較強、漏檢率低等優點，提升了檢測模型在霧天場景中的表現。

技術領域

本發明涉及深度學習與計算機視覺中的目標檢測技術領域，尤其涉及一種域自適應霧天圖像目標檢測方法和裝置。

背景技術

隨著基于人工智能的自動駕駛技術發展，安全性成為了智能交通的亟待解決的重要問題，在近年來由于工業發展的加速造成了越來越嚴重的環境污染，多數地區頻繁遭遇霧、霾等惡劣天氣的來襲。由于霧霾覆蓋面積廣，造成道路能見度低，嚴重干擾了自動駕駛場景下通過攝像頭對交通要素的檢測。對于圖像的目標檢測本身就是深度學習與計算機視覺領域的研究熱點，但是在霧天，成像設備采集到的圖像不僅清晰度下降，對比度降低，特征信息難以提取，而且還出現了十分嚴重的色彩失真和顏色偏移，對后續的圖像目標檢測造成負面影響，也給自動駕駛系統在霧天的安全性帶來很大挑戰。與圖像恢復任務不同，霧天場景下的目標檢測不是面向提升視覺感知的，其主要目的是提高霧天圖像的檢測精度，減小漏檢率，增強目標檢測模型在霧天場景的可靠性，從而更好地輔助自動駕駛系統在霧天場景選擇更為安全的駕駛行為。因此，霧天圖像的目標檢測是應用性很強，且非常有價值的研究課題。

總體而言，現有的基于深度學習的霧天圖像檢測方法可以分為以下三種：基于霧天圖像訓練的方法、基于去霧算法處理后檢測的方法以及基于域自適應的方法，各種方法的不足之處如下所述：

基于霧天圖像訓練的方法操作簡單，無需設計其他網絡模型，但是用于訓練的霧天圖像檢測標簽的獲取代價過高，且對于不同的霧天數據集，霧在圖像上的表現、分布也不同，無法應對霧天場景的多樣性；

基于去霧算法處理后檢測的算法無需霧圖的檢測標簽，但是現有研究已經證明去霧算法雖然可以提高視覺感知效果，但是普遍無法對目標檢測有正面推動作用，一些去霧算法對檢測甚至有負面作用，此外，去霧算法所消耗的時間成本也決定了這種方法無法應用到實時性強的自動駕駛系統中；

基于域自適應的方法將霧天圖像看做一種“域”代表霧天圖像的整體特征分布，通過在目標檢測模型基礎上設計域分類器結構來鑒別通用場景和霧天場景兩個域，再將域分類器訓練過程中的負梯度參數以一定比例向檢測模型回傳，使得檢測模型的參數向目標霧天圖像域遷移，能在霧天圖像上取得較好效果。但是，目前用于域自適應的檢測模型提取的特征圖不夠精細，域分類器的多尺度設計也不夠全面，導致基于域自適應的方法提升有限，漏檢率也較高。

綜上可知，現有的霧天圖像檢測方法存在檢測精度差、實時性和應用性不強、漏檢率高等缺陷。

發明內容

本發明的目的在于克服現有技術中的不足，提供一種域自適應霧天圖像目標檢測方法和裝置，具有檢測精度高、實時性和應用性較強、漏檢率低等優點，提升了檢測模型在霧天場景中的表現。

為達到上述目的，本發明是采用下述技術方案實現的：

第一方面，本發明提供了一種域自適應霧天圖像目標檢測方法，包括如下步驟：

對獲取的目標檢測數據集進行預處理；

對骨干網絡進行模型多尺度性能改造重建；

利用預處理后的目標檢測數據集訓練改造后的骨干網絡獲得目標檢測模型；

對所述目標檢測模型搭建域分類器；

采用霧天圖像和預處理后的目標檢測數據集，訓練搭建域分類器的所述目標檢測模型獲得域自適應檢測模型；