技术特征：
1.一种目标检测方法，其特征在于，所述方法包括：将待处理图像输入参数预测网络，通过所述参数预测网络输出调优参数，所述调优参数包括去雾参数、白平衡参数、对比度参数、色调参数、锐化参数、以及矫正参数中的至少一种；根据所述参数预测网络输出的调优参数，对所述待处理图像进行图像增强处理，得到所述待处理图像对应的优化图像；将所述待处理图像对应的优化图像输入目标检测网络进行目标检测，通过所述目标检测网络输出目标检测结果，所述目标检测网络和所述参数预测网络为预先利用训练数据联合训练得到的神经网络，所述训练数据包括符合预设条件的图像。2.根据权利要求1所述的方法，其特征在于，所述将待处理图像输入参数预测网络之前，所述方法还包括：获取训练数据；对所述训练数据中包含的目标进行标注，得到标注结果；将所述训练数据输入初始的参数预测网络，通过所述初始的参数预测网络输出调优参数；根据所述初始的参数预测网络输出的调优参数，对所述训练数据进行图像增强处理，得到所述训练数据对应的优化图像；将所述训练数据对应的优化图像输入初始的目标检测网络进行目标检测，通过所述初始的目标检测网络输出目标检测结果；根据所述初始的目标检测网络输出的目标检测结果与所述标注结果之间的差异，计算联合损失值，并对所述初始的参数预测网络的参数和所述初始的目标检测网络的参数进行迭代优化，直到所述联合损失值满足迭代停止条件，得到训练完成的参数预测网络和目标检测网络。3.根据权利要求2所述的方法，其特征在于，所述联合损失值根据所述初始的参数预测网络的损失值和所述初始的目标检测网络的损失值加权计算得到。4.根据权利要求1至3任一所述的方法，其特征在于，所述将待处理图像输入参数预测网络之前，所述方法还包括：获取非雾天图像；通过第一控制参数和第二控制参数对所述非雾天图像进行处理，生成不同光照强度以及不同雾天等级的雾天图像，所述第一控制参数用于控制生成的雾天图像的光照强度，所述第二控制参数用于控制生成的雾天图像的雾天等级；利用所述雾天图像构建训练数据。5.根据权利要求1所述的方法，其特征在于，所述将待处理图像输入参数预测网络之前，所述方法还包括：对原始图像进行调整，分别得到第一尺寸的待处理图像和第二尺寸的待处理图像；所述将待处理图像输入参数预测网络，包括：将所述第一尺寸的待处理图像输入所述参数预测网络；所述根据所述参数预测网络输出的调优参数，对所述待处理图像进行图像增强处理，包括：
根据所述参数预测网络输出的调优参数，对所述第二尺寸的待处理图像进行图像增强处理。6.根据权利要求1所述的方法，其特征在于，所述根据所述参数预测网络输出的调优参数，对所述待处理图像进行图像增强处理，包括：将所述待处理图像和所述参数预测网络输出的调优参数输入图像增强模块，所述图像增强模块包括与所述参数预测网络输出的调优参数一一对应的滤波器；通过各个滤波器利用相应的调优参数对所述待处理图像依次进行图像增强处理。7.根据权利要求6所述的方法，其特征在于，所述图像增强模块包括去雾滤波器、白平衡滤波器、对比度滤波器、色调滤波器、锐化滤波器、以及矫正滤波器中的至少一种，前一个滤波器的输出作为下一个滤波器的输入。8.根据权利要求1所述的方法，其特征在于，所述参数预测网络包括第一数目的卷积层和第二数目的全连接层，所述卷积层用于对输入的待处理图像进行卷积运算输出特征图，所述全连接层用于对所述卷积层输出的特征图进行全连接输出调优参数。9.根据权利要求1所述的方法，其特征在于，所述目标检测网络包括yolox网络。10.一种目标检测装置，其特征在于，所述装置包括：参数预测模块，用于将待处理图像输入参数预测网络，通过所述参数预测网络输出调优参数，所述调优参数包括去雾参数、白平衡参数、对比度参数、色调参数、锐化参数、以及矫正参数中的至少一种；图像增强模块，用于根据所述参数预测网络输出的调优参数，对所述待处理图像进行图像增强处理，得到所述待处理图像对应的优化图像；目标检测模块，用于将所述待处理图像对应的优化图像输入目标检测网络进行目标检测，通过所述目标检测网络输出目标检测结果，所述目标检测网络和所述参数预测网络为预先利用训练数据联合训练得到的神经网络，所述训练数据包括符合预设条件的图像。11.一种机器可读存储介质，其上存储有指令，当所述指令由装置的一个或多个处理器执行时，使得装置执行如权利要求1至9中任一所述的目标检测方法。
技术总结
本发明实施例提供了一种目标检测方法、装置和可读存储介质。其中的方法包括：将待处理图像输入参数预测网络，通过参数预测网络输出调优参数，所述调优参数包括去雾参数、白平衡参数、对比度参数、色调参数、锐化参数、以及矫正参数中的至少一种；根据参数预测网络输出的调优参数，对待处理图像进行图像增强处理，得到优化图像；将所述待处理图像对应的优化图像输入目标检测网络进行目标检测，通过所述目标检测网络输出目标检测结果，所述目标检测网络和所述参数预测网络为预先利用训练数据联合训练得到的神经网络，所述训练数据包括符合预设条件的图像。本发明实施例可以减少用户的操作成本，以及提高目标检测的准确性。以及提高目标检测的准确性。以及提高目标检测的准确性。
技术研发人员：谢旭 凌明 杨作兴 杨敏 艾国
受保护的技术使用者：深圳比特微电子科技有限公司
技术研发日：2022.06.14
技术公布日：2022/9/23