10.19665/j.issn1001-2400.2020.04.010
一种改进的雾天图像行人和车辆检测算法
由于雾天图像数据集不足、雾天表现形式多样等因素,使得基于深度学习的目标检测网络在雾天图像行人和车辆检测中容易出现过拟合,造成鲁棒性不佳和准确率不高等问题.针对上述问题,在检测网络中加入雾浓度判别模块以提高网络的适应性和鲁棒性,通过引入可变形卷积和注意力机制以提升卷积神经网络的特征提取能力,通过模拟合成雾天图像的方式扩充数据集以加快网络的收敛速度.实验结果表明,改进后的网络针对雾天图像行人和车辆检测,其检测平均准确率相较于基于候选框的检测网络有约2％～4％的提高,且未显著地增加网络的训练参数和计算量.
雾天图像目标检测、深度学习、基于候选框的检测网络
47
TP301.6(计算技术、计算机技术)
国家自然科学基金61771334
2020-09-04（万方平台首次上网日期，不代表论文的发表时间）
共8页
70-77
