摘要
本发明公开了一种目标检测驱动联合优化学习的图像去雾方法和系统,涉及人工智能的图像处理与机器视觉技术领域。本发明通过将检测引导信息融入去雾网络架构中,使得去雾网络架构产生有利于检测清晰特征进而提升目标检测性能,同时目标检测网络可以提供宝贵的信息,并反过来指导去雾的学习过程,这表明低级任务和高级任务可以共同促进彼此并实现相互增益,此外,该模型利用基于物理的先验知识来增强去雾网络架构的特征提取和表示能力,以及检测引导集成模块充分利用检测信息,最后通过实验证明了2DNet不仅能够在去雾结果的视觉质量令人满意,在提升目标检测性能上也体现了其优越性。
技术关键词
图像去雾方法
网络架构
检测损失
集成模块
图像去雾模型
大气散射模型
网络结构
雾霾图像
多任务联合训练
分支
图像去雾系统
多尺度卷积核
轻量级架构
交叉注意力机制
损失函数设计
系统为您推荐了相关专利信息
深度学习模型
生命体征数据
调度系统
救护车
多头注意力机制
中空成型方法
注吹中空成型机
综合边缘
空洞
生成制品
数据处理系统
多租户管理
系统集成模块
数据存储模块
数据处理模块
监测调控系统
调控策略
智能阀门控制器
数据通信模块
粒子滤波算法