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：哈尔滨工业大学

摘要：一种基于ISP退化自监督学习和解耦正则的暗光目标检测方法，属于暗光条件下的目标检测领域。本发明针对现有暗光图像的目标检测未考虑相机传感器的内部处理过程，影响目标检测准确率的问题。包括：构建教师网络、学生网络和基于ISP退化的自监督学习模块；采用基于ISP的图像退化模块将白天图像退化成与真实暗光场景相似的暗光图像，并以自监督的方式学习图像信号处理相关的参数；采用解耦正则的方法让两个任务的梯度向量尽可能正交，达到减少两个任务之间干扰的同时还能提高暗光条件下的目标检测准确率的目的；其中教师网络用于产生伪标签去训练学生网络，学生网络再使用指数移动平均方法更新教师网络的参数。本发明用于暗光图像的目标检测。

主权项：1.一种基于ISP退化自监督学习和解耦正则的暗光目标检测方法，其特征在于包括，采用编码器一和检测器一构建教师网络；采用编码器二和检测器二构建学生网络；同时采用基于ISP的图像退化模块和解码器构建基于ISP退化的自监督学习模块；训练流程为：首先采用带有标注信息的白天样本图像使用有监督学习方法对学生网络的编码器二和检测器二进行初始化；并在初始化完成后，将学生网络的网络参数权重通过指数移动平均的方法迁移给教师网络的编码器一和检测器一；然后将未标注信息的暗光图像经教师网络的编码器一和检测器一进行目标检测，得到标注有伪标签的暗光图像；同时将带有标注信息的白天样本图像经基于ISP的图像退化模块进行图像退化，得到对应的暗光样本图像；将带有标注信息的白天样本图像和暗光样本图像配对后采用编码器二提取高维语义特征，再经解码器得到由白天样本图像到暗光样本图像的四个退化特征向量的预测值；根据由预测值与四个退化特征向量的真值计算的自监督学习损失函数调整编码器二和解码器的网络参数权重；对编码器二输出的高维语义特征求导后得到目标检测任务的梯度向量g1，对解码器输出的四个预测值求导得到自监督学习任务的梯度向量g2，采用解耦正则方法计算损失函数并更新检测器二和解码器的网络参数权重，使迭代过程中的g1和g2趋向于垂直，相邻迭代过程中的两个g1趋向于重合，相邻迭代过程中的两个g2趋向于重合；在线更新的学生网络同时对所述未标注信息的暗光图像进行目标检测，并根据有监督学习的损失函数更新学生网络的网络参数权重，同时根据教师网络输出的标注有伪标签的暗光图像计算无监督学习的损失函数，并调整学生网络的网络参数权重；每一次迭代结束后，将学生网络的网络参数权重通过指数移动平均的方法实时迁移给教师网络；直到迭代结束；最后将得到的教师网络用于暗光图像的目标检测。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 基于ISP退化自监督学习和解耦正则的暗光目标检测方法