在边缘计算系统上的低光图像分割

科学领域:

• 计算机视觉 计算机视觉
• 图像处理 图像处理
• 人工智能的人工智能

背景情况:

• 由于可见度差,低光图像细分很困难.
• 现有的方法往往在准确性和速度方面扎.
• 探测道裂需要强大的低光图像分析.

研究的目的:

• 开发一种有效的算法来对低光图像进行细分.
• 在分割之前增强图像亮度和对比度.
• 在边缘平台上实现准确和实时的细分.

主要方法:

• 一个三步算法,结合了图像增强和细分.
• 利用深度学习进行低光图像增强.
• 使用U-Net模型进行像素级别的细分.
• 在边缘计算平台上实现管道.

主要成果:

• 拟议的算法显著提高了低光图像细分性能.
• 实验结果表明,与基线模型相比,性能优越.
• 该算法实现了足够的速度,可以在边缘设备上实时处理.

结论:

• 增强和U-Net细分的结合方法对于低光图像是有效的.
• 该算法适用于实时应用,如道裂检测.
• 边缘计算实现验证了拟议方法的实际实用性.