基于改进白鲸优化算法的图像去雾方法、系统及设备

    公开(公告)号:CN117853369A

    公开(公告)日:2024-04-09

    申请号:CN202410003102.2

    申请日:2024-01-02

    Abstract: 本发明公开了基于改进白鲸优化算法的图像去雾方法、系统及设备,涉及图像数据处理技术领域。本发明包括:接收图像数据集,对图像数据集进行预处理操作;根据预处理的数据集构建SA‑BWO‑ResNet图像去雾模型;接收在雾霾天气里拍摄的有雾图像;将接收的有雾图像输入至SA‑BWO‑ResNet图像去雾模型进行处理,模型的输出即去雾图像。本发明通过FPGA芯片与IMX222结合SA‑BWO‑ResNet图像去雾模型的方法,FPGA芯片具有并行计算的能力,适合用于实时图像处理,结合IMX222图像传感器,可以实时获取图像数据,并通过FPGA进行快速的去雾处理,以获得清晰的图像输出,与现有技术相比,很好地解决了雾霾天气拍摄图像不清晰的问题,已经实现了端到端的学习,解决了传统去雾算法不能应用于复杂环境的问题。

    基于改进YOLOv8的小目标检测方法、系统及设备

    公开(公告)号:CN118552935A

    公开(公告)日:2024-08-27

    申请号:CN202410742548.7

    申请日:2024-06-11

    Abstract: 本发明公开了基于改进YOLOv8的小目标检测方法、系统及设备,涉及目标检测技术领域。本发明包括:接收交通标志图像数据集,提取其中出现频率次数最高的42类交通标志图像,并采用数据增强,将数据集划分为训练集,测试集,验证集;以YOLOv8作为基准网络,构建交通标志检测模型,所述交通标志检测模型在YOLOv8模型的主干网络中引入CDED下采样模块;在YOLOv8模型的主干网络最后引入DPLK大核卷积注意力模块;在YOLOv8模型的颈部部分引入CARAFE上采样模块;将数据集的训练集输入到交通标志检测模型中,得到训练后的交通标志检测模型。本发明的技术方案检测精度较高,有效提高了模型的检测效果、鲁棒性和泛化性能,为智能交通领域的交通标志检测提供了有力支持。

Patent Agency Ranking