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：西安电子科技大学

摘要：本发明公开了一种两阶段蒸馏学习的恶劣天气退化图像的通用复原方法，主要解决现有通用恶劣天气图像复原方法模型参数量大、网络结构复杂的问题。其方案是：获取多种恶劣天气的数据并划分训练集和测试集；构建包括天气退化感知器、感知复原网络和天气分类器的一阶段网络；构建包括天气退化感知器和感知复原网络的二阶段蒸馏网络；利用训练集对一阶段网络进行训练，再利用训练集和一阶段网络训练后的结果训练二阶段网络；将测试集输入到二阶段网络训练后的模型中输出复原结果。本发明能高效地提取恶劣天气图像的不同特征，在极低参数量下能获得恶劣天气的高质量复原图像，且图像处理时间接近实时性标准，可应用于户外影像监控、雨雪天气下智能驾驶系统识别。

主权项：1.一种基于两阶段蒸馏学习的恶劣天气退化图像通用复原方法，其特征在于，包括如下步骤：1获取混合的恶劣天气数据，并划分为训练集和测试集；2在Pytorch框架下构建基于对比学习的两阶段蒸馏学习训练网络：2a构建包括四个上下文残差块，三个卷积单元，一个通道维度合并单元，一个池化层和两个线性单元的天气退化感知器模块；2b构建包括十八个动态Transformer模块，两个卷积层，两个选择融合单元和两个上下采样单元的感知复原网络模块；2c将天气退化感知器模块和感知复原网络模块级联，并将天气退化感知器模块与天气分类器级联得到一阶段训练网络；2d将两个天气退化感知器模块并联，并将其中的学生天气退化感知器模块与感知复原网络模块级联得到二阶段蒸馏训练网络；3构建一阶段训练网络和二阶段蒸馏训练网络损失：3a构建由复原图像和真值图像的绝对值损失Lr和天气分类损失Lc组成的一阶段损失Ls1：Ls1＝Lr+αLc，其中，权重α是实验经验值3b构建由复原图像和真值图像的绝对值损失Lr，退化映射损失Ldm，强-弱增强复原图像的绝对值损失L1和有监督对比损失Lsc组成的二阶段损失Ls2：Ls2＝Lr+β1Ldm+β2L1+β3Lsc其中，权重β1，β2，β3是实验经验值，分别取0.1，0.3和0.05；4将数据集输入到一阶段训练网络之中，采用Adam优化算法迭代更新网络参数，获得训练好的预训练天气退化感知器模型；5将数据集输入到二阶段蒸馏训练网络之中，采用Adam优化算法迭代更新网络参数，协同一阶段训练好的预训练天气退化感知器模型，获得训练好的学生退化感知器和感知复原网络模型；6将测试集的多种退化的恶劣天气图像输入到训练好的学生退化感知器和感知复原网络模型中，输出复原后的图像。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于两阶段蒸馏学习的恶劣天气通用图像复原方法