摘要
本发明公开了一种面向边缘设备低照度目标检测的轻量化图像增强方法,解决了在保证检测精度的目标下,增强图像中目标的特征的问题,实现了面向目标检测的低光照图像增强,并提高了检测精度;该方法包括:设计低照度图像增强神经网络模型EnhNet;EnhNet通过权重生成分支、光照增强分支、去噪分支和拼接分支;分析正常光照图像的光照分布特征,生成区域光照权重和局部自相似权重,从而指导EnhNet对低照度图像进行区域增强,并以此提高了目标检测的精度;同时,通过局部自相似权重对低照度图像中进行增强,将增强分支和去噪分支的结果拼接,并送入目标检测网络中进行检测,再得到检测结果。
技术关键词
图像增强方法
光照
照度
神经网络模型
多尺度特征
分支
采样模块
特征提取单元
上采样
图像增强系统
融合特征
拼接单元
分布特征
通道
精度
线性
系统为您推荐了相关专利信息
包裹相位
相位展开方法
仿真数据
卷积神经网络模型
相位展开算法
建筑玻璃
工艺控制参数
皮尔逊相关系数
缺陷关联系数
能耗
减震控制系统
海上风电机组
协同控制策略
深度神经网络模型
模式切换模块
伪影消除方法
深度神经网络模型
边界伪影
优化深度神经网络
光信号