CN119444910A 一种基于cam-gan的迷彩伪装图案生成方法和装置 （杭州榕数科技有限公司）

一种基于CAM-GAN的迷彩伪装图案生成方法本发明公开了一种基于CAM_GAN的迷彩伪装生成真实图像集合对应的传统迷彩图像集合和彩图像集合和智能迷彩图像集合对迷彩伪装图伪装图案生成模型中的生成器对待测图像生成对应的迷彩图像。发明设计了基于CAM_GAN的迷2（3）生成为随机噪声Z；随后将真实图像集合X中每一张真实图像和随机噪声合F；F对生成器以及第一判别器和第二判别器D:通过交替优化进行训练，当第一判别器装图案生成模型；2.根据权利要求1所述的一种基于CAM_G3.根据权利要求1所述的一种基于CAM_GAN的的图像大小均为32*32。4.根据权利要求3所述的一种基于CAM_GAN的迷彩伪装图案将任意一个图像标签与随机噪声Z输入到生成器G，生成相应的传统迷彩图像M：。5.根据权利要求4所述的一种基于CAM_3;其中，f(i,)表示灰度图中第i行、第j列的像素点的灰度值，表示真实图像中第i行、第j列的像素点的R通道的数值，表示真实图像中第i行、第j列的像素点G通道的数值，表示真实图像中第i行、第j列的像素点的B通道的数值，;然后使用大小为3*3的高斯核并结合权重值对像素值进行滤波，得到滤波后的随后计算得到滤波后的图像中每一个像素点的梯度幅值为G(i,j)，计算公式如;;j)为滤波后的图像中第i行、第j列的像素点的像素值；表示滤波后第i行、第j列的像素点在垂直方向上的梯度值；4;度值阈值则将该像素点的像素值设为1，如果该像素点的梯度幅值小于最小灰度值阈值则6.根据权利要求5所述的一种基于CAM_GAN判别器和第二判别器D:使用Sigmoid激活函数，通过最大化第一判别器和第二判别;表示真实图像中第i行、第j列的像素点的梯度幅值；D.()表示第一判别器n的判别结真实图像的期望值；表示在传统迷彩图像概率分布puc(M)关于传统迷彩图像的期望值；表示在智能迷彩图像概率分布关于智能迷彩图像的5;用于实现权利要求1_6任一项所述的一种基于CAM_GAN的迷彩伪装图实现权利要求1_6任一项所述的一种基于CAM_GA6[0001]本发明属于图像生成领域，尤其涉及一种基于CAM_GAN的迷彩伪装图案生成方法[0003]自动驾驶中的目标检测是指找出图像中所有车辆或行人，确定它们的类别和位预测一定数量的边界框，再使用1*1卷积的卷积层进行预测,使用多尺度提取特征来进行7[0007]本发明的目的在于针对现有技术的不足，提供了一种基于CAM_GAN的迷彩伪装图[0008]本发明的目的是通过以下技术方案来实现的：一种基于CAM_GAN的迷彩伪装图案进行高斯滤波后得到滤波后的图像；随后通过计算滤波后的图像中的梯度幅值和梯度方图像集合F；新第一判别器和第二判别器D:的参数，然后固定第一判别器和第二判别器D:的参数集合F对生成器以及第一判别器和第二判别器D:通过交替优化进行训练，当第一判别8k=1,2,…,k,…,N；每一张真实图像的图像大小均为32*32。;其中，f(i,)表示灰度图Fi中第i行、第j列的像素点的灰度值，表示真实图像中第i行、第j列的像素点的R通道的数值，表示真实图素点的G通道的数值，表示真实图像中第i行、第j列的像素点的B通道的数值，;然后使用大小为3*3的高斯核并结合权重值对像素值进行滤波，得到滤波9;;;j)为滤波后的图像中第i行、第j列的像素点的像素值；表示滤波后的图像中第i行、第j列的像素点在水平方向上的梯度值；ot,表示滤波后的图像中第i行、第j列的像素点在垂直方向上的梯度值；(i,)：;大灰度值阈值则将该像素点的像素值设为1，如果该像素点的梯度幅值小于最小灰度值阈第一判别器和第二判别器D:使用Sigmoid激活函数，通过最大化第一判别器和第二其中，表示智能迷彩图像中第i行、第j列的像素点的梯度幅值，表示真实图像中第i行、第j列的像素点的梯度幅值；D.()表示第一判别器n的判别结果；n2(0)表示第二判别器n的判别结果；表示在真实图像概率分布Pu(x)关于真实图像的期望值；表示在传统迷彩图像概率分布puc(M)关;当第一判别器和第二判别器D:的置信度均稳定在0.45~0.55时，结束对彩[0014]本发明还包括一种基于CAM_GAN的迷彩伪装图案生成装置，包括存储器和一个或[0020]一种基于兼容性伪装的迷彩图案对抗样本生成方法CAM_GAN，主要通过一个图像合X中总共有N张真实图像；表示真实图像对应的图像标签；k=1,2,…,K,…,N；每图像：M,-C(ZV.)，其中，G()表示生成器G的输出，得到传统迷彩图。进行高斯滤波后得到滤波后的图像；随后通过计算滤波后的图像中的梯度幅值和梯度方图像集合F。;其中，f(i,)表示灰度图Fi中第i行、第j列的像素点的灰度值，表示真实图像中第i行、第j列的像素点的R通道的数值，表示真实图素点的G通道的数值，表示真实图像中第i行、第j列的像素点的B通道的数值，[0032]随后对灰度图Ei进行滤波处理，通过高斯滤波函数得到灰度图Ei中每一个像素;然后使用大小为3*3的高斯核并结合权重值对像素值进行滤波，得到滤波;;j)为滤波后的图像中第i行、第j列的像素点的像素值；表示滤波后的图像中第i行、第j列的像素点在水平方向上的梯度值；ot,表示滤波后的图像中第i行、第j列的像素点在垂直方向上的梯度值；(i,)：。值阈值则将该像素点的像素值设为1，如果该像素点的梯度幅值小于最小灰度值阈值则将新第一判别器和第二判别器D:的参数，然后固定第一判别器和第二判别器D:的参数集合F对生成器以及第一判别器和第二判别器D:通过交替优化进行训练，当第一判别第一判别器和第二判别器D:使用Sigmoid激活函数，通过最大化第一判别器和第二;其中，表示智能迷彩图像中第i行、第j列的像素点的梯度幅值，表示真实图像中第i行、第j列的像素点的梯度幅值；D.()表示第一判别器n的判别结果；n2(0)表示第二判别器n的判别结果；表示在真实图像概率分布Pu(x)关于真实图像的期望值；表示在传统迷彩图像概率分布puc(M)关。当第一判别器和第二判别器D:的置信度均稳定在0.45~0.55时，结束对彩[0043]训练过程中对生成器G、第一判别器和第二判别器D:之间进行三方非合作博Language，HDL而HDL也并非仅有一种，而是有许多种，如ABEL（AdvancedBooleanCUPL（CornellUniversityProgrammingLanguage）、HDCal、JHDL（JavaHardwareLanguage）等，目前最普遍使用的是VHDL（Very_High_SpeedIntegratedCircuit读介质、逻辑门、开关