摘要
一种基于深度学习的在复杂环境情况下的目标识别方法,涉及一种目标识别方法,本发明基于传统的目标识别在复杂环境下的识别精度不好和鲁棒性小的问题,针对水雾和低光照形况下的识别方法做出改进。在运用图像增强的基础上,也进行了鲁棒性的提升可针对于小目标识别。基于以上改进,当图像进入算法结构中时,先进性门控机制结构模块可微分图像处理模块,增加全局注意力机制,输出得到最终的增强输出。作为目标检测模型的输入,从而进行后续的目标识别任务。本发明适用于复杂环境下进行的相关目标识别,也可进行小型目标的目标识别,且具有较强的鲁棒性和识别精度。
技术关键词
识别方法
图像增强
图像处理模块
注意力机制
鲁棒性
降噪特征
算法结构
不利环境
结构模块
多阶段
超参数
精度
强度
速度
光照
分支