[发明专利]基于CycleGAN生成对抗网络的跨域车辆检测方法

说明书

本发明涉及一种基于CycleGAN生成对抗网络的跨域车辆检测方法，包括采集白天场景和黑夜场景下的车辆视频数据，对生成对抗网络的生成器和判别器进行训练，对不同场景下的数据集进行转换和还原，计算循环一致性损失，对生成对抗网络进行参数调整，利用训练好的生成对抗网络生成的图像数据对车辆检测模型进行训练和检测。本发明通过采用生成对抗网络进行非监督式学习，减少了数据采集和人工标注的工作量，降低了成本，提高了深度学习效率；训练生成对抗网络的生成器和判别器，通过生成对抗网络将单一域的标注数据输入转化得到变换域数据，解决了缺少对应域数据时无法完成模型训练学习并进行检测任务的问题。

技术领域

本发明涉及一种基于CycleGAN生成对抗网络的跨域车辆检测方法，属于视觉车辆检测技术领域。

背景技术

随着国家经济和社会的快速发展，我国机动车的数量在不断的增长，在车流高峰期间，车流量检测系统起着重要的作用，包括车流量检测、路径引导、拥堵预警等，而车辆检测则是一个关键步骤。根据非公开数据表明，大部分的交通事故发生在夜间和极端天气的比例超过，针对夜间的路侧监控设施设计车辆检测系统，可以及时的定位路上状况信息，提前对车辆驾驶员作出预警。

深度学习技术是基于数据驱动的，在监督式学习，为了达到较高的处理精度，需要大量的训练数据，类似于车辆检测这类目标检测的任务，需要人工对数据集进行标注，这通常需要花费大量的时间和人力。

而且，在目标检测的数据集中如果存在某一个域没有可以用于训练的带标注数据集的时候，会使得检测任务因依赖于不同域的数据集而难以进行，例如缺少黑夜标注数据集，则无法进行黑夜场景的车辆检测任务。

这就面临两个主要问题：

第一，如何在某一个域缺失可用的标注数据集的时候完成检测的任务；

第二，如何使用这一变换域的数据集进行训练检测器的任务。

因此，需要一种基于CycleGAN生成对抗网络的跨域车辆检测方法。

发明内容

为了解决上述技术问题，本发明提供一种基于CycleGAN生成对抗网络的跨域车辆检测方法，其具体技术方案如下：

一种基于CycleGAN生成对抗网络的跨域车辆检测方法，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；