基于雾天条件下交通道路上的目标检测

应用技术与研究

基于雾天条件下交通道路上的目标检测

展开

网络出版日期: 2023-07-25

收起

Object Detection of Traffic Road Based on Fog

Expand

Online published: 2023-07-25

Fold

在目前的道路车辆的检测当中，对车辆的检测精度和匹配度的要求越来越高，尤其在雾天的天气情况下会对车

辆的检测产生影响。针对以上问题，深受深度学习理论的启发，提出一种在去雾网络与目标检测网络结合情况下，对雾天下交

通道路上车辆图像进行去雾目标检测的深度学习目标检测算法，并且模型轻量，易于嵌套使用。实验结果表明将YOLOv 5目

标检测网络与AOD-Net 去雾相结合，在真实和合成的有雾的数据集上，该算法在定量评价和定性评价中均优于对比算法。

其中MAP 值达到81.73%，比YOLOv 5算法的MAP 值高1.31％且FPS 达到了25.0，速度得到提升，表明 AOD-Net 与YOLOv 5

网络相结合的算法能更加有效地检测雾天条件下道路交通的车辆，且网络泛化能力和鲁棒性较好。

关键词：

深度学习

; 去雾; 目标检测; 交通道路; YOLOv 5

管尧朱凯 .

基于雾天条件下交通道路上的目标检测

[J]. 电脑与电信, 2022 , 1(5) : 69 . DOI: 10.15966/j.cnki.dnydx.2022.05.024

Options

文章导航