一种基于YOLOX_s的雾天场景目标检测方法

• 全文链接
• 请求原文

作   者：

娄铮铮;  张欣;  胡世哲;  吴云鹏; 

作者机构：

郑州大学计算机与人工智能学院; 

关键词：

图像去雾;  注意力机制;  目标检测;  雾天场景;  深度可分离卷积; 

期刊名称：

计算机科学

i s s n：

年卷期：

2024 年 007 期

页   码：

206-213

摘   要：

文中提出了一个基于深度可分离卷积和注意力机制的雾天目标检测模型,旨在实现在雾天场景中对目标的快速、准确检测.该模型由去雾模块和检测模块组成,并在训练过程中共同训练.为确保模型在雾天场景中检测的准确性和实时性,在去雾模块方面,采用AODNet对输入图像进行去雾处理,以降低雾对图像中待检测目标的干扰,在检测模块中使用改进后的YOLOX_s模型,输出目标的分类置信度和位置坐标.为提升网络的检测性能,在YOLOX_s基础上采用深度可分离卷积和注意力机制来提高特征提取能力,扩大特征图感受野.所提模型能提高有雾场景中模型的检测精度,且不增加模型参数量和计算量.实验结果表明,所提模型在RTTS数据集和合成有雾目标检测数据集上均表现出色,有效提高了模型在雾天场景中的检测精度.与基准模型相比,平均精度(mAP@50_95)分别提升了1.9%和2.37%.