摘要
本发明公开了基于多辅助任务特征增强的夜间目标检测方法及系统,通过向目标检测网络的主干中引入上下文相关的辅助学习任务并构建损失,分别从目标掩模预测分支、目标类别预测分支及目标共生关系预测分支上,协同作用于主任务的特征表示优化,在训练阶段强化上下文感知与目标间的语义关系建模;基于夜间图像及其标注,通过主干网络目标检测的损失函数与辅助学习任务的损失进行加权融合,训练目标检测网络,用于夜间图像的检测。本发明通过设计可插拔式辅助学习模块以及低通滤波特征降噪模块,显著提升了检测网络在夜间低能见度条件下的特征学习能力和检测性能,解决了现有夜间场景下目标检测精度不足、上下文信息利用不充分的问题。
技术关键词
分支
掩膜
阶段
低能见度条件
关系建模
多层感知机
图像
特征金字塔网络
多尺度特征融合
矩阵
语义
多尺度信息
双线性插值
模块化结构
降噪模块
层级
系统为您推荐了相关专利信息
气体传感器阵列
传感器阵列优化
电子鼻检测系统
数学
电子鼻气体
组合特征向量
多任务损失函数
粒子群优化算法
深度学习模型
故障隔离