CN119399495A 新场景下目标检测性能自适应度量方法 （北京航空航天大学杭州创新研究院）

司本发明公开了一种新场景下目标检测性能2A3)综合第一和第二照度估计统计量、第一和第二色偏估计统计量和第一和第二散射B)为了度量场景间的目标差异，基于训练场景A和应用场景BB1)对场景中获取到的图像应用目标检测算法，得到场景中目标的位置和目标类型的用场景B的目标特征熵的均值μt，ie，基于统计学中的离群值处理方采用迭代的方式求解最终照度特征图，最后统计亮暗像素占比作为图像照度估计的指标，3色偏估计是基于通道色偏指标的色偏估计，包括采i和Ej表示对应通道的像素值，通道偏色水平Mccb表示均值最大的通道与均值最小上述场景间的背景差异的度量中，对偏色场景的定义是：色偏42.根据权利要求1所述的新场景下目标检测性能自适应度量方法，其特征在于所述色通过CEP椭球先验估计图像透射率特征图，从图像透射率特征图中提取12个与散射有使用马氏距离的方法计算测试图像的特征与500个无雾图像和另外500个有雾图像的首先将训练场景中得到的目标检测模型分别应用于训其中F表示在源域中训练的目标检测模型，bi(1s推理结果的目标置信度的均值，bri(1sism)表示F对应用场景中第i张图像推理结果的目4.根据权利要求1所述的新场景下目标检测性能自适应度量方法，其特征在于上述计首先将模型分别应用于训练场景和目标场景，计算图像检测结果中5然后将统计源域上特征分布的统计量，对于目标6数据分布和应用场景的数据分布存在较大的差异。这就限制了智能化算法的有效应用场翻译的域自适应使用非配对图像转换模型，将目标图像映射到类似于源图像的图像空间7[0011]A3)综合训练场景A和应用场景B的照度估计统计量、色偏估计统计量和散射估计[0013]B1)以图像检测结果的置信度的均值作为图像标签，并分别计算训练场景和应用计算应用场景B的目标特征熵的均值μt，ie，基于统计学中的离群值处理方法判断应用场景[0018]图3是根据本发明的一个实施例的对比方法(天候自适应判断)在测试图像中将低[0019]图4(a)至图4(f)为根据本发明的一个实施例的面向目标检测的域差异度量方法8[0025]A3)综合训练场景A和应用场景B的照度估计统计量、色偏估计统计量和散射估计[0027]B1)以图像检测结果的置信度的均值作为图像标签，并分别计算训练场景和应用计算应用场景B的目标特征熵的均值μt，ie，基于统计学中的离群值处理方法判断应用场景9,，使用马氏距离的方法计算测试图像的特征与500个无雾图像和另外500个有雾图像的特征散射水平D被表示为有雾散射水平与无雾散ff表示无雾散射水平，[0062]根据本发明的一个进一步的实施例，首先将模型分别应用于训练场景和目标场图像推理结果的目标置信度的均值，Fri(1sism)表示F对应用场景中第i张图像推理的目标置信度的均值，Dl表示从训练场景和应用场景中抽样l张图像后进行KS检验的统计,[0072]图3是根据本发明的一个实施例的对比方法(天候自适应判断)在测试图像中将低能见度天候误分类为低照度天候的示意图。图4中显示了本发明的域差异度量方法的实验