[發(fā)明專利]一種基于CycleGAN的夜間車輛識別方法

在審

• 申請?zhí)枺?/td>: 202210041437.4
• 申請日: 2022-01-14
• 公開（公告）號: CN114419587A
• 公開（公告）日: 2022-04-29
• 發(fā)明（設計）人: 劉軍清;余利君;李菁;康維
• 申請（專利權(quán)）人: 三峽大學
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06K9/62;G06V10/80;G06V10/774
• 代理公司: 北京東方盛凡知識產(chǎn)權(quán)代理事務所(普通合伙) 11562
• 代理人: 程小芳

1.一種基于CycleGAN的夜間車輛識別方法，其特征在于，包括以下步驟：

獲取車輛圖像的數(shù)據(jù)集，將所述數(shù)據(jù)集劃分為訓練集與測試集，所述訓練集包括CycleGAN的訓練集與YOLOv4的訓練集；

基于CycleGAN與YOLOv4，獲得改進后的YOLOv4；

基于所述CycleGAN的訓練集對所述CycleGAN進行訓練，獲得訓練后的轉(zhuǎn)換器；

基于所述YOLOv4的訓練集與所述訓練后的轉(zhuǎn)換器對所述改進后的YOLOv4進行訓練，獲得訓練好的YOLOv4；

基于訓練好的YOLOv4對所述測試集進行測試，獲得夜間車輛識別結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于CycleGAN的夜間車輛識別方法，其特征在于，

所述CycleGAN的訓練集為夜間車輛圖像與白天車輛圖像；

所述YOLOv4的訓練集為夜間車輛圖像。

3.根據(jù)權(quán)利要求2所述的基于CycleGAN的夜間車輛識別方法，其特征在于，

所述訓練后的轉(zhuǎn)換器為將夜間車輛特征轉(zhuǎn)換成白天車輛特征的轉(zhuǎn)換器。

4.根據(jù)權(quán)利要求2所述的基于CycleGAN的夜間車輛識別方法，其特征在于，

基于所述YOLOv4的訓練集與所述訓練后的轉(zhuǎn)換器對所述改進后的YOLOv4進行訓練的步驟包括：

基于所述YOLOv4的訓練集對所述改進后的YOLOv4進行訓練，獲得多尺度夜間車輛特征圖；

基于所述訓練后的轉(zhuǎn)換器與所述多尺度夜間車輛特征圖，獲得多尺度融合的增強夜間車輛特征圖，完成所述改進后的YOLOv4的訓練。

5.根據(jù)權(quán)利要求4所述的基于CycleGAN的夜間車輛識別方法，其特征在于，

所述多尺度夜間車輛特征圖包括：第一尺度特征圖、第二尺度特征圖以及第三尺度特征圖；

所述第一尺度特征圖、第二尺度特征圖以及第三尺度特征圖為三個不同尺度大小的特征圖。

6.根據(jù)權(quán)利要求5所述的基于CycleGAN的夜間車輛識別方法，其特征在于，

所述多尺度融合的增強夜間車輛特征圖包括：增強后的第一尺度特征圖、增強后的第二尺度特征圖以及增強后的第三尺度特征圖；

獲得多尺度融合的增強夜間車輛特征圖的步驟包括：

對所述第三尺度特征圖進行最大池化和堆疊處理，獲得處理后的第三尺度特征圖；

基于所述第二尺度特征圖與所述處理后的第三尺度特征圖進行特征融合，獲得融合后的第二尺度特征圖；

基于所述訓練后的轉(zhuǎn)換器對所述第一尺度特征圖進行轉(zhuǎn)換，獲得轉(zhuǎn)換后的第一尺度特征圖，基于所述融合后的第二尺度特征圖與所述轉(zhuǎn)換后的第一尺度特征圖進行特征融合，獲得所述增強后的第一尺度特征圖；

基于所述增強后的第一尺度特征圖與所述融合后的第二尺度特征圖進行特征融合，獲得所述增強后的第二尺度特征圖；

基于所述增強后的第二尺度特征圖與所述處理后的第三尺度特征圖進行特征融合，獲得所述增強后的第三尺度特征圖。

7.根據(jù)權(quán)利要求4所述的基于CycleGAN的夜間車輛識別方法，其特征在于，

基于所述YOLOv4的訓練集與所述訓練后的轉(zhuǎn)換器對所述改進后的YOLOv4進行訓練還包括：設置損失函數(shù)對改進后的YOLOv4進行訓練；

所述損失函數(shù)為CycleGAN的損失函數(shù)和YOLOv4的損失函數(shù)之和。