-
公开(公告)号：CN118691485A
公开(公告)日：2024-09-24
申请号：CN202410832334.9
申请日：2024-06-26
Applicant: 桂林电子科技大学
IPC: G06T5/50 , G06T5/60 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于偏振特征的低照度图像辉光效应抑制的方法。偏振提供了与强度无关的额外信息，可以用来有效地帮助图像去除大气中的散射光，利用估计的光源层作为导向，使网络注意力聚焦于光效区域，从而对光效进行去除，并在增强时针对性的增强暗区，抑制亮区。包括如下步骤：1)制作合成数据源，建立学习图像集；2)使用Stokes参数表示偏振光图像；3)光源分解网络模块的构建；4)大气偏振图像分解网络(APID‑net)的构建；5)多输入注意力增强模块(MIAE)的构建；6)对整个卷积神经网络进行构造与训练。这种方法能更好的抑制夜间图像的光效应(辉光、眩光)，在增强黑暗区域亮度的同时抑制强光区域的亮度增强。
-
公开(公告)号：CN119027755A
公开(公告)日：2024-11-26
申请号：CN202410884498.6
申请日：2024-07-03
Applicant: 桂林电子科技大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于APL‑Net三阶段蒸馏的低照度叠加雾环境下的图像目标检测方法，包括以下步骤：1)对数据集进行处理和划分。2)训练教师网络一。3)利用教师网络一对教师网络二进行指导训练，优化教师网络二。4)利用教师网络一和教师网络二联合对学生网络进行指导训练。5)测试学生网络。这种方法通过多级师生网络让学生网络具有低照度叠加雾环境下图像的目标检测能力。本发明模型能够对图像进行自适应增强，并通过多阶段的训练，使模型能够有效提取出清晰图像和模糊图像的有利于检测的共同特征，提高了模型在低照度叠加雾天环境条件下的性能，使其能更准确地识别和定位图像中的目标。
-
公开(公告)号：CN118864805A
公开(公告)日：2024-10-29
申请号：CN202410727151.0
申请日：2024-06-06
Applicant: 桂林电子科技大学
IPC: G06V10/25 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于Fogdet‑Net的雾天小样本目标检测方法，所述方法包括如下步骤：1)利用大气散射模型和公开数据集合成雾天数据集，然后得到base类与novel类的平衡训练集；2)构造DDMSFE模块对输入的雾天图像进行特征增强；3)构造PA‑FSOD模块对雾天图像进行检测框预测与分类，4)在base类数据集进行目标检测训练并测试检测效果；5)基于base类和novel类平衡训练集进行小样本新类物体目标检测Fine‑tuning。这种方法能够不受雾天环境下拍摄的影响，对于产生的雾天图像仍然可以进行很好地识别检测出图像中的目标对象，并且使用Fine‑tuning快速泛化到新的检测类别上。
-
公开(公告)号：CN119048381A
公开(公告)日：2024-11-29
申请号：CN202410934577.3
申请日：2024-07-12
Applicant: 桂林电子科技大学
IPC: G06T5/70 , G06T5/50 , G06T5/60 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于HFRC‑Diff的低照度叠加雾图像增强方法，该方法能够增强并恢复光照条件差且有雾气产生时的场景图像，使其还原为正常照度且表面干净的高质量图像。包括如下步骤：1)加工现有数据集；2)训练IP‑Net(Initial prediction Network)初始预测模块；3)训练以空间域和频率域引导的条件扩散模型(Frequency‑domain and Spatial‑domain Guided for Diffusion)；4)训练并行注意力特征融合模块。5)对整个低照度叠加雾图像增强网络的测试。这种方法能弥补低照度图像和正常照度图像之间像素级和语义级的差距，同时达到良好的去雾效果，在复杂场景下生成更高质量的图像。
-
-
-
Search Results
4
records
(took 0.024 seconds)
