摘要
本发明提供了一种基于多尺度特征复用与纯噪声注入的特征提取模型、轻量化暗光环境目标检测系统及方法,用于解决现有基于传统图像增强的预处理方案解决暗光环境下特征提取性能时存在的固定参数会引入边缘伪影与细节失真的技术问题,以及现有构建可学习的增强模块解决暗光环境下特征提取性能时存在的计算负担增加、系统复杂度呈指数级上升、检测器会出现明显的mAP降幅的技术问题。本发明基于多尺度特征复用与纯噪声注入的特征提取模型,包括多个串行的特征提取模块,又在每个特征提取模块中设置多个串行的特征提取瓶颈模块,多层串行连接和密集连接的方式形成了梯度流,实现多尺度特征图特征的高效复用,提高了特征提取效果和效率。
技术关键词
特征提取模型
特征提取模块
多尺度特征
暗光环境
拼接模块
特征融合网络
输入端
噪声
输出端
瓶颈
金字塔
注意力机制
图片
图像增强
尺寸
鲁棒性
检测器
系统为您推荐了相关专利信息
关键运行参数
波动特征
算法模型
多源电力系统
深度学习模型
违建监测方法
多模态数据采集
特征提取模块
建筑图像数据
分析模块
需求预测方法
混合深度学习模型
双向长短期记忆网络
充电站
数据
状态识别方法
状态识别系统
深度学习算法
参数
电梯运行状态