一种基于二值化神经网络的低光图像增强方法及系统

本发明公开了一种基于二值化神经网络的低光图像增强方法及系统，涉及低光图像增强技术领域，包括：获取全精度网络和低光图像；采用BiLLIE框架，在全精度网络的基础上，用二值化模块逐步替换标准卷积模块，构建全精度暗光增强网络；将低光图像输入到全精度暗光增强网络中得到增强低光图像。本发明通过二值化操作，显著压缩了内存和计算量，最大化了硬件资源的利用效率。通过两步训练策略，实现了从全精度模型到二值化模型的平滑过渡。通过激活值二值化保持全精度权重，并通过逐步二值化卷积权重，确保了训练稳定性并避免了精度损失。该训练策略使得模型可以逐步适应二值化操作，极大提高了训练过程的收敛性和最终的图像增强性能。