零样本暗域自适应的目标检测方法

一种基于相机响应函数原理的零样本暗域自适应目标检测方法，通过将正常亮度下的目标检测数据集合成伪低亮度图像与真标注，通过伪低亮度数据集训练网络处理目标域图像的能力，使网络能够适应目标域的分布。首先设计了一种学习模块，通过蒸馏传统CRF模型以学习求取CRF曲线。再利用相机响应函数CRF的反函数，可以将RGB图像还原为辐照图，基于残差的学习策略设计了一种增强矩阵推理网络，可以通过增强矩阵对辐照图进行亮度增强，并通过检测网络的反向传播实现对目标相关的区域进行亮度微调。设计了一种联合优化的损失函数，大大降低了对图像增强任务的需求，提高了传统图像增强再检测的速度。