一种离散标签下基于深度相对学习的雾天能见度估计方法

摘要

本发明涉及图像识别技术领域，公开了一种离散标签下基于深度相对学习的雾天能见度估计方法，它是利用图像的顺序信息和相对关系来估计能见度，通过将有序信息编码成一组图像对的相对排序，这样，VISOR‑NET就可以有效地学习一个全局排序函数。本发明通过采集真实监控场景拍摄的大规模雾天高速公路能见度图像数据集，通过对现有深度学习方法的综合实验，证明了该方法在准确度、有效性、稳定性等方面具有更好的性能，此外，该方法可以将类别间扩展到类别内进行可见性估计，实现离散层标签下的近似回归估计，也就是能够实现对级别内能见度距离的估计。