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：合肥市正茂科技有限公司

摘要：本发明提供一种低照度车辆图像检测模型的训练方法、装置、设备及介质，所述训练方法包括：获取预设环境下车辆的图像数据集；对所述图像数据集进行预处理，以生成训练数据集；构建初始车辆图像检测模型，并配置所述初始车辆图像检测模型的优化器和损失函数；将所述训练数据集作为所述初始车辆图像检测模型的输入变量，对所述初始车辆图像检测模型进行训练，生成目标车辆图像检测模型。本发明提高了低照度环境下车辆检测的精度，解决了常规车辆检测算法应用于特定场景图像中检测效果差的问题。

主权项：1.一种低照度车辆图像检测模型的训练方法，其特征在于，包括：获取预设环境下车辆的图像数据集，所述环境为夜间或照明情况不良的环境；对所述图像数据集进行预处理，以生成训练数据集；构建初始车辆图像检测模型，并配置所述初始车辆图像检测模型的优化器和损失函数；将所述训练数据集作为所述初始车辆图像检测模型的输入变量，对所述初始车辆图像检测模型进行训练，生成目标车辆图像检测模型；其中，所述将所述训练数据集作为所述初始车辆图像检测模型的输入变量，对所述初始车辆图像检测模型进行训练，生成目标车辆图像检测模型的步骤包括：设定模型训练策略，并将所述训练数据集输入至所述初始车辆图像检测模型；通过所述初始车辆图像检测模型的编码器对训练数据集中的车辆图像进行特征提取处理，以生成多尺度特征图像；将所述多尺度特征图像进行细化处理，以生成多尺度细化特征，所述多尺度细化特征表征车辆的位置信息；将所述多尺度细化特征进行融合分类处理，以生成车辆分割图；所述将所述多尺度特征图像进行细化处理，以生成多尺度细化特征，所述多尺度细化特征表征车辆的位置信息的步骤包括：通过所述初始车辆图像检测模型的解码器，将所述多尺度特征图像进行融合处理，以生成车辆的边界信息；将所述多尺度特征图和所述边界信息进行融合处理，以生成所述多尺度细化特征；所述将所述多尺度细化特征进行融合分类处理，以生成车辆分割图的步骤包括：通过上下文注意力网络，按照预设顺序逐层融合多尺度细化特征，以生成融合特征图；通过卷积层对所述融合特征图的每一个像素点进行分类处理，以生成所述车辆分割图；所述构建初始车辆图像检测模型，并配置所述初始车辆图像检测模型的优化器和损失函数的步骤包括：设置所述初始车辆图像检测模型的优化器为自适应矩估计算法优化器；根据二值交叉熵损失函数、交并比损失函数以及边界损失函数设置所述初始车辆图像检测模型的损失函数；所述初始车辆图像检测模型的损失函数满足以下公式： 其中，N表示输入的车辆图像中所有像素点的个数，N=W×H，W和H分别表示输入车辆图像的宽和高，λ表示边界损失的比例， 表示所述二值交叉熵损失函数，满足以下公式： 其中，表示车辆图像中第个像素点的真值，表示车辆图像中第个像素点的预测值， 表示所述交并比损失函数，满足以下公式： 其中，A∩B表示一张车辆图像中真值区域A与预测区域B的交集，A∪B表示一张车辆图像中真值区域A与预测区域B的并集， 表示所述边界损失函数，满足以下公式： 其中，和分别表示边界的真值和预测值。

全文数据：

权利要求：

百度查询： 合肥市正茂科技有限公司 低照度车辆图像检测模型的训练方法、装置、设备及介质