[发明专利]一种基于对抗学习的车辆图像优化方法及系统在审
| 申请号： | 201910694429.8 | 申请日： | 2019-07-30 |
| 公开（公告）号： | CN110458060A | 公开（公告）日： | 2019-11-15 |
| 发明（设计）人： | 翁健;黎天琦;魏凯敏;张悦;何政宇;陈思念;冯丙文;刘志全 | 申请（专利权）人： | 暨南大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 44245 广州市华学知识产权代理有限公司 | 代理人： | 李斌<国际申请>=<国际公布>=<进入国 |
| 地址： | 510632广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于对抗学习的车辆图像优化方法及系统，该方法的步骤为：收集不同角度拍摄的车辆图像，将车辆图像划分为标准场景图像和非标准场景图像；对非标准图像进行图像预处理后作为低质量数据集；构建基于生成对抗网络的车辆图像优化模型，模型由生成器、判别器和特征提取器构成；训练基于生成对抗网络的车辆图像优化模型，设置损失函数，采用反向传播计算网络权重梯度并更新车辆图像优化模型参数；车辆图像优化模型训练完成后，保留生成器作为最终的车辆图像优化模型，输入多场景车辆图像，输出优化的标准场景图像。本发明实现复杂场景车辆图像到标准场景车辆图像迁移，达到优化图像质量目的，提升车辆检测识别准确率。 | ||
| 搜索关键词： | 车辆图像 优化模型 标准场景 非标准 生成器 图像 对抗 特征提取器 图像预处理 场景图像 车辆检测 反向传播 复杂场景 计算网络 输出优化 损失函数 优化图像 质量数据 判别器 准确率 构建 权重 网络 场景 迁移 拍摄 保留 更新 优化 学习 | ||
【主权项】：
1.一种基于对抗学习的车辆图像优化方法，其特征在于，包括下述步骤：/nS1：收集不同角度拍摄的车辆图像，将车辆图像划分为标准场景图像和非标准场景图像；/nS2：对非标准图像进行图像预处理，将预处理后的图像作为低质量数据集；/nS3：构建基于生成对抗网络的车辆图像优化模型，所述车辆图像优化模型包括生成器、判别器和特征提取器；/nS4：训练基于生成对抗网络的车辆图像优化模型：/nS41：输入低质量数据集到生成器中，经由生成器网络中各层神经元非线性组合输出生成的高质量图像；/nS42：将生成的高质量图像、对应的真实高质量图像输入到判别器和特征提取器中，得到生成的高质量图像、对应的真实高质量图像判定为真实图像的概率和图像特征矩阵；/nS43：设置损失函数，采用反向传播计算网络权重梯度并更新车辆图像优化模型参数；/nS44：循环执行步骤S41-S43；/nS5：车辆图像优化模型训练完成后，保留生成器作为最终的车辆图像优化模型，输入多场景车辆图像，输出优化的标准场景图像。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于暨南大学，未经暨南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910694429.8/，转载请声明来源钻瓜专利网。
