摘要
本申请涉及一种基于深度学习的低质图像目标检测方法、系统、电子设备和存储介质,获取多尺度降质表示;利用多尺度降质表示,分别引导目标检测编码分支和复原编码分支对低质图像进行特征提取,从而得到目标检测特征和复原特征;将目标检测特征和复原特征输入多尺度双向特征融合模块进行处理得到双分支融合特征,将双分支融合特征分别输入至目标检测回归模块和复原解码器进行处理得到检测结果和复原图像;本申请以多尺度降质表示引导目标检测和复原双分支结构网络的特征提取,能够较好地捕捉降质信息,在提升模型对低质图像的目标检测的准确性的同时,也能够提升模型对不同降质类型及程度的适应性,从而无需针对不同降质类型训练不同的模型。
技术关键词
融合特征
多尺度特征融合
图像
输入多尺度
检测损失
特征金字塔网络
编码器
解码器
检测模型训练
样本
特征提取模块
像素
深层特征提取
双分支结构
三通道
全局平均池化
系统为您推荐了相关专利信息
识别判定方法
轨迹模型
动火作业
光学图像数据
红外热成像设备
点云图像
锚定点
点云配准方法
电子设备
可读存储介质
多模态特征融合
水位预测方法
水库
融合特征
水位预测值
融合特征
场景推荐方法
账户
特征提取模型
模态特征