[發(fā)明專利]一種基于對(duì)抗性域適應(yīng)的霧天目標(biāo)檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110541665.3
• 申請(qǐng)日: 2021-05-18
• 公開（公告）號(hào): CN113191449A
• 公開（公告）日: 2021-07-30
• 發(fā)明（設(shè)計(jì)）人: 李雙全;孫靖凱
• 申請(qǐng)（專利權(quán)）人: 哈爾濱理工大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/08;G06N3/04
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明公開了一種基于對(duì)抗性域適應(yīng)的霧天目標(biāo)檢測(cè)方法，涉及目標(biāo)檢測(cè)技術(shù)領(lǐng)域；它的檢測(cè)方法如下：步驟一、構(gòu)建域適配網(wǎng)絡(luò)；步驟二、訓(xùn)練域特征提取器；步驟三、對(duì)有霧圖像的測(cè)試；本發(fā)明通過(guò)加入域適配組件提升Foggy Cityscape的檢測(cè)效果；優(yōu)化網(wǎng)絡(luò)以提高在真實(shí)數(shù)據(jù)集RTTS上的檢測(cè)效果；將選定的最優(yōu)目標(biāo)檢測(cè)算法和域適配方案有機(jī)結(jié)合，采用對(duì)抗性學(xué)習(xí)的方法來(lái)實(shí)現(xiàn)端到端的圖像去霧目標(biāo)檢測(cè)算法。

技術(shù)領(lǐng)域

本發(fā)明屬于目標(biāo)檢測(cè)技術(shù)領(lǐng)域，具體涉及一種基于對(duì)抗性域適應(yīng)的霧天目標(biāo)檢測(cè)方法。

背景技術(shù)

目標(biāo)檢測(cè)作為計(jì)算機(jī)視覺(jué)中最基本、最具挑戰(zhàn)性的問(wèn)題之一，近年來(lái)受到了廣泛的關(guān)注。它在過(guò)去二十年的發(fā)展可以說(shuō)是計(jì)算機(jī)視覺(jué)歷史的縮影。

作為一項(xiàng)重要的計(jì)算機(jī)視覺(jué)任務(wù)，目標(biāo)檢測(cè)是處理數(shù)字圖像中檢測(cè)特定類(如人、動(dòng)物或汽車)的視覺(jué)目標(biāo)實(shí)例。目標(biāo)檢測(cè)的目標(biāo)是開發(fā)計(jì)算模型和技術(shù)，提供計(jì)算機(jī)視覺(jué)應(yīng)用程序所需的最基本的信息之一：什么目標(biāo)和目標(biāo)在哪里。

目標(biāo)檢測(cè)作為計(jì)算機(jī)視覺(jué)的基本問(wèn)題之一，是許多其他計(jì)算機(jī)視覺(jué)任務(wù)的基礎(chǔ)，如實(shí)例分割、圖像字幕、目標(biāo)跟蹤等。從應(yīng)用程序的角度來(lái)看,目標(biāo)檢測(cè)可以被分為兩個(gè)研究主題“一般目標(biāo)檢測(cè)”和“特定場(chǎng)景下的目標(biāo)檢測(cè)”,前一個(gè)旨在探索的方法檢測(cè)不同類型的目標(biāo)在一個(gè)統(tǒng)一的框架來(lái)模擬人類的視覺(jué)和認(rèn)知,后一個(gè)是指檢測(cè)特定的應(yīng)用場(chǎng)景下,如行人檢測(cè)、人臉檢測(cè)、文本檢測(cè)等等。

近年來(lái)，隨著深度學(xué)習(xí)技術(shù)的快速發(fā)展，為目標(biāo)檢測(cè)注入了新的血液，使得該領(lǐng)域取得了顯著的突破，并將其推向了一個(gè)前所未有的研究熱點(diǎn)。當(dāng)下，在許多新興的 AI 應(yīng)用領(lǐng)域，如無(wú)人機(jī)、自動(dòng)/輔助駕駛、搜索和救援機(jī)器人、環(huán)境監(jiān)測(cè)、安全監(jiān)視、運(yùn)輸和檢查，都十分依賴于計(jì)算機(jī)視覺(jué)的室外環(huán)境感知與理解。而這類系統(tǒng)一般來(lái)說(shuō)涉及的任務(wù)比較廣泛，對(duì)于目標(biāo)任務(wù)，包含檢測(cè)、識(shí)別、分割、跟蹤和解析。

然而現(xiàn)今的這些先進(jìn)的目標(biāo)檢測(cè)算法，雖然能夠在固定的環(huán)境和條件下取得一定的成果，但是如果在沒(méi)有條件限制的環(huán)境中（如惡劣天氣、光照條件差等），視覺(jué)感知和理解算法的性能將受到很大的影響。

譬如在霧天，由于圖像數(shù)據(jù)集不足、霧天表現(xiàn)形式多樣等因素,使得基于深度學(xué)習(xí)的目標(biāo)檢測(cè)網(wǎng)絡(luò)在霧天圖像行人和車輛檢測(cè)中容易出現(xiàn)過(guò)擬合,造成魯棒性不佳和準(zhǔn)確率不高等問(wèn)題。

發(fā)明內(nèi)容

為解決現(xiàn)有在霧天，由于圖像數(shù)據(jù)集不足、霧天表現(xiàn)形式多樣等因素,使得基于深度學(xué)習(xí)的目標(biāo)檢測(cè)網(wǎng)絡(luò)在霧天圖像行人和車輛檢測(cè)中容易出現(xiàn)過(guò)擬合,造成魯棒性不佳和準(zhǔn)確率不高等問(wèn)題；本發(fā)明的目的在于提供一種基于對(duì)抗性域適應(yīng)的霧天目標(biāo)檢測(cè)方法。

本發(fā)明的一種基于對(duì)抗性域適應(yīng)的霧天目標(biāo)檢測(cè)方法，它的檢測(cè)方法如下：

步驟一、構(gòu)建域適配網(wǎng)絡(luò)：

首先選定baseline，選用的域適配組件有兩種：圖像級(jí)和實(shí)例級(jí)，在SSD模型中，圖像級(jí)指的是基礎(chǔ)卷積層的輸出特征，而合并實(shí)例級(jí)表示幫助減小定位實(shí)例的不同；

步驟二、訓(xùn)練域特征提取器：

訓(xùn)練域特征提取器的過(guò)程和GAN相似，輸入數(shù)據(jù)為源域和目標(biāo)域的數(shù)據(jù)；

步驟三、對(duì)有霧圖像的測(cè)試：

檢測(cè)算法在訓(xùn)練完成后，不需要域適配組件即可對(duì)有霧圖像進(jìn)行檢測(cè)，模型最終在真實(shí)的有霧數(shù)據(jù)集上進(jìn)行驗(yàn)證，若出現(xiàn)在合成數(shù)據(jù)表現(xiàn)良好而在真實(shí)數(shù)據(jù)上表現(xiàn)欠佳的情況，對(duì)域適應(yīng)配件進(jìn)行更改，或?qū)δ繕?biāo)檢測(cè)網(wǎng)絡(luò)的結(jié)構(gòu)進(jìn)行優(yōu)化。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：

一、通過(guò)加入域適配組件提升Foggy Cityscape的檢測(cè)效果；優(yōu)化網(wǎng)絡(luò)以提高在真實(shí)數(shù)據(jù)集RTTS上的檢測(cè)效果。

二、將選定的最優(yōu)目標(biāo)檢測(cè)算法和域適配方案有機(jī)結(jié)合，采用對(duì)抗性學(xué)習(xí)的方法來(lái)實(shí)現(xiàn)端到端的圖像去霧目標(biāo)檢測(cè)算法。

附圖說(shuō)明