ptuning/datasets/Zettels/dev.json

{"content": "语料描述-为什么要进行低光增强？", "summary": "可见光图像的成像过程受光照强度及环境影响，低照度环境下采集的可见光图像存在信噪比、对比度、分辨率均较低等特点，给进一步图像处理，图像识别、目标检测等任务带来更严峻的挑战．"}
{"content": "语料描述-为什么要进行低光增强？", "summary": "当前，人类在水下和低光环境中的活动越来越频繁，比如：目标检测、智能识别、水下探测等。因水下和低光图像具有很多的相似情况，因此，对于如何解决两者共同存在的问题成为了比较热门的话题"}
{"content": "语料描述-为什么要进行低光增强？", "summary": "随着国家科技水平的发展和国民经济水平的提高，人们对于出行的要求也让汽车行业得以迅猛的发展.但是，汽车行业的迅猛发展，在方便人们的出行的同时，也导致了交通事故率的显著提高."}
{"content": "语料描述-为什么要进行低光增强？", "summary": "在有雾的天气下，大气中存在着很多悬浮的小液滴，导致所获取图像的可视性显著下降，会出现场景细节模糊、图像色彩衰减等问题。随着社会的发展，机器视觉被广泛应用于安全监控、目标识别、遥感成像、图像分类等领域，机器视觉的有效性通常建立在具有较好可视性的输入图像之上。因此，消除有雾天气产生的不良视觉效果，获得可视性良好的图像具有重要的意义。"}
{"content": "语料描述-为什么要进行低光增强？", "summary": "随着智能算法的发展，图像识别技术越来越受到人们的关注，科研人员在训练识别模型的时候也希望得到更准确、更稳定的识别模型。但是，图像数据库的图像质量可能会受到各种各样外在因素的影响，如光照不均、相对运动和色彩失真等。对图像进行增强处理，可提高图像品质，丰富图像的信息量，便于计算机进一步理解图像。因此，彩色图像的增强处理技术在交通智能化、军事国防和医学等方面能够发挥相当重要的作用。"}
{"content": "语料描述-为什么要进行低光增强？", "summary": "日常生活中经常需要在低光条件下捕捉图像，例如在夜间或昏暗的室内房间。在此环境下拍摄的图像往往会出现能见度差、对比度低、噪声大等多种问题。虽然自动曝光机制(如ISO、快门、闪光灯等)可以增强图像亮度，但同时也会产生其他的影响(如模糊、过饱和度等)。"}
{"content": "语料描述-为什么要进行低光增强？", "summary": "受光照强度的影响，在夜间和背光条件下采集的图像往往含有较低的对比度、大面积的暗区域和明显的噪声污染。这些降质图像往往导致人们无法正确地辨识场景内容，也常常给图像检索、多媒体信息安全等后续计算机视觉任务带来严峻的挑战。因此，低照度图像增强具有重要的理论价值和现实意义，受到学界广泛关注。"}
{"content": "语料描述-为什么要进行低光增强？", "summary": "在光线昏暗的环境下，摄影师拍摄出正常成像非常困难。在更极端的黑暗情况下，如光照严重受限(月光)或短时间的曝光，成像就更为困难。低光下拍摄的图像和极低光下拍摄的图像对比如图1所示，明显看出极低光下拍摄的图像相比低光下拍摄的图像被隐藏的信息更多。"}
{"content": "语料描述-为什么要进行低光增强？", "summary": "在图像采集过程中，所在场景的光照条件往往是影响图像质量的重要因素之一，在现代社会生产生活中，人们采集图像变的更为方便和快捷，由于光照条件不足产生的低照度图像识别度不高，导致缺乏可用性，并对后续的图像处理、目标识别、语义分割等仸务造成了困难"}
{"content": "语料描述-为什么要进行低光增强？", "summary": "可见光图像的成像过程受光照强度及环境影响，低照度环境下采集的可见光图像存在信噪比、对比度、分辨率均较低等特点，给进一步图像处理，图像识别、目标检测等任务带来更严峻的挑战"}
{"content": "语料描述-为什么要进行低光增强？", "summary": "在很多计算机视觉任务中，如目标检测、图像检索、图像分割等，都要求输入图像亮度合适、细节清晰。然而，在弱光照或者曝光不足的情况下，采集到的图像存在亮度低、色彩不饱和、细节模糊等缺点，这些缺点将影响到来操作来都不像像后续的计算机视觉任务。因此，研究弱光照图像的增强很有必要。"}
{"content": "语料描述-为什么要进行低光增强？", "summary": "随着计算机视觉领域的収展，携带着丰富信息的高质量图像无论是在日常生活还是科学研究中都有着巨大的研究潜力。但是，由于不同的光照条件、周围的噪声等原因，图像质量高低不一，严重影响了人们判别图片中的信息，从而引起不必要的冲突和结果。尤其是在黑暗条件下，人们难以识别摄像头捕捉到的图像信息，而且智能系统很大程度上也依赖于高质量的输入图像，为了解决这个问题，本文就低照度图像问题迚行了研究。"}
{"content": "语料描述-为什么要进行低光增强？", "summary": "在光线昏暗的环境下，摄影师拍摄出正常成像非常困难。在更极端的黑暗情况下，如光照严重受限(月光)或短时间的曝光，成像就更为困难。低光下拍摄的图像和极低光下拍摄的图像对比如图1所示，明显看出极低光下拍摄的图像相比低光下拍摄的图像被隐藏的信息更多。"}
{"content": "语料描述-为什么要进行低光增强？", "summary": "部分图像增强在计算机断层成像、工业产品质量检验、交通监控及卫星图像处理中有着广泛的应用。其中低照度图像是一种常见的图像种类,它的主要特点是微光、暗色区域占图像主要部分。造成图像低照度的原因有很多,例如光线不足,摄影设备性能有限以及设备配置不正确等,这类图像可见性偏低,不便于观察与分析,且会对相关应用产生负面影响,尤其是在图像的匹配、融合、分析、检测以及分割方面,给数字图像处理带来极大挑战。"}
{"content": "结论   ", "summary": "本文提出了一种可以对夜间的油茶果果实图像进行快速、精准识别的目标检测网络YOLON，（1）可以对夜间的油茶果果实目标进行进行检测，mAP可以达到98.17%，高于YOLO v4、EfficientNet、YOLOX等对比算法的mAP，表明YOLON可以较好地对夜间油茶果的进行检测。（2）对不同遮挡程度下的（3）但是YOLON对的运行速度尚有待提高，此外运行时对GPU的依赖程度较大，无法在CPU上完成快速推理，对于嵌入式设备的部署尚不理想，这也是本文未来重点的研究方向。"}
{"content": "单果、双果、多果、整树的识别效果 ", "summary": "结果表明，随着果实数量的增加，成功率呈下降趋势。在2个果实中，成功率为100%。三果、四果、五果串的成功率分别为91.6%、88.9%和85.3%。"}
{"content": "检测效果对比  ", "summary": "使用YOLON、YOLOR、和YOLO V4在COA数据集上进行了进一步的比较， 本文提出的YOLON其在COA数据集上的表现优于YOLO V4 和YOLOR。"}
{"content": "算法的运行时间 ", "summary": "随着不同分辨率的图像尺寸的增加，时间与mAP的变化，选取最适合的分辨率，可以花上去两个曲线，找两条曲线相交的那个点，类似于下面的效果"}
{"content": "结果 ", "summary": "为了验证该方法的有效性，对COA数据集中216张测试图像进行了测试，结果如表1所示，该方法的准备率和召回率分别为90.00%和90.00%，平均IOU和mAP分别为90.00%和90.00%，检测速度可达30f/s，能够满足油茶果采摘机器人对果实进行实时检测的需求，可以为算法部署在油茶果采摘机器人的开发上提供技术支持。"}
{"content": "本文要研究的重点问题 ", "summary": "夜间油茶果的果实目标识别"}
{"content": "本文提出的基于多分支结构和U-net结合的低照度图像增强算法有以下三点贡献： ", "summary": "1)本文提出了一种新颖的端到端的低照度图像增强网络，可以应用于多种场景，计算速度和准确率也都有所提升。此网络还结合了多分支网络和U-net迚行特征提取，取得了不错的结果。2)本文的方法在噪声抑制、对比度增强等方面有着较好的效果，能够有效地减少噪声的影响。3)本文使用大量的实验来证明所提出模型的有效性，且使用了很多优秀的方法来进行对比，并且从定性和定量的角度分析对比结果，取得了满意的效果。总体来说，本文提出的斱法在各方面都很大程度上优于现有的算法。"}