公开(公告)号：CN118823738A

公开(公告)日：2024-10-22

申请号：CN202410964987.2

申请日：2024-07-18

Applicant: 南京邮电大学

Inventor： 张登银 ,  何继开 ,  郑涤尘

IPC: G06V20/58 ,  G06V10/44 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开一种交通标志检测方法，包括：获取待检测的交通道路图像；对交通道路图像进行预处理；将预处理后的交通道路图像输入至预先训练的交通标志检测模型，得到模型输出的分类结果；根据交通标志检测模型分类结果标记检测到的交通标志，输出被标记的交通标志图像；其中，所述交通标志检测模型采用改进的RT‑DETR模型，以RT‑DETR模型为基础，将第5‑7层，替换为三层特征学习融合模块DualBlocks的下采样特征提取层，其中替换的每一层均由DualConv模块、平均池化模块和ReLu线性激活函数构成，将RT‑DETR网络模型的第11层和第16层均替换为一层动态上采样算子Dysample的动态上采样层，该层由采样点生成器、采样装置和插值函数组成。本发明能够在提升检测精度的情况下减少参数量。

公开(公告)号：CN118967534A

公开(公告)日：2024-11-15

申请号：CN202410912479.X

申请日：2024-07-09

Applicant: 南京邮电大学

Inventor： 张登银 ,  郑涤尘 ,  何继开 ,  高帆

IPC: G06T5/90 ,  G06T5/60 ,  G06N3/092 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开一种低照度图像自适应增强方法、装置、设备及存储介质，其中方法包括：将待增强的低照度图像输入到预训练的低照度图像自适应增强模型中，得到增强图像；其中，所述低照度图像自适应增强模型的训练方法，包括：获取包含低照度图像以及对应的参考图像的训练集；基于Retinex算法构建低照度图像自适应增强模型；其中，所述低照度图像自适应增强模型包括：投影模块、照度分量模块、反射分量模块和增强模块；使用训练集对低照度图像自适应增强模型进行训练，得到训练后的低照度图像自适应增强模型。增强图像的亮度和对比度，同时有效地还原了图像的颜色和结构信息。