[发明专利]基于CycleGAN生成对抗网络的跨域车辆检测方法

权利要求书

1.一种基于CycleGAN生成对抗网络的跨域车辆检测方法，其特征在于：包括以下步骤：

步骤1：采集不同场景的道路视频数据，所述场景包括白天场景和黑夜场景，

步骤2：对获得的白天场景下的车辆图像信息进行标注，得到白天标注数据集X，同时采集黑夜数据集Y；

步骤3：使用白天标注数据集X和黑夜数据集Y作为初始数据，对CycleGAN生成对抗网络进行训练优化；

还原白天数据集标记为X＇域，还原黑夜数据集标记为Y＇域；

所述CycleGAN生成对抗网络中设置有两个生成器，分别为生成器G和生成器F，所述生成器G基于X域的图像生成Y＇域的图像，所述生成器F基于Y域的图像生成X＇域的图像；

所述CycleGAN生成对抗网络中设置两个判别器，分别为判别器和判别器，判别器判别X域和X＇域图像的一致性，判别器判别Y域和Y＇域图像的一致性；

步骤4：数据集转化：将白天标注数据集X输入至训练优化后的CycleGAN生成对抗网络中，得到转换的还原黑夜数据集Y＇；

步骤5：使用白天标注数据集X和黑夜数据集Y，以及训练优化后的CycleGAN生成对抗网络转换的还原白天数据集X＇和还原黑夜数据集Y＇训练车辆检测器模型；

步骤6：使用训练后的车辆检测器模型进行车辆检测。

2.根据权利要求1所述的基于CycleGAN生成对抗网络的跨域车辆检测方法，其特征在于：

所述步骤3对CycleGAN生成对抗网络进行训练优化的具体过程为：

步骤3.1：将白天标注数据集X输入生成器G中，获得生成的还原黑夜数据集Y＇，并计算对抗损失：

（1），

其中和表示白天标注数据集X和黑夜数据集Y中的一张图片；

步骤3.2：将黑夜数据集Y输入生成器F中，获得生成的还原白天数据集X＇，并计算对抗损失)：

（2），

其中和表示生成的白天标注数据集X和黑夜数据集Y中的一张图片；

步骤3.3：将生成的还原黑夜数据集Y＇输入至CycleGAN网络的生成器F中，输出还原白天数据集X＇，将还原白天数据集X＇和白天标注数据集X计算循环一致性损失L₁，并通过判别器进行判别；

步骤3.4：将生成的还原白天数据集X＇输入至CycleGAN网络中的生成器G中，输出还原黑夜数据集Y＇，将还原黑夜数据集Y＇和黑夜标注数据集Y计算循环一致性损失L₂，并通过判别器进行判别；

步骤3.5：根据计算得到的对抗损失和循环一致性损失，反向传播更新生成器网络和判别器网络的参数值。