改进YOLOV4-Tiny的雨雾道路环境下的实时目标检测

作     者：周捷 徐光辉 朱东林 狄恩彪 ZHOU Jie;XU Guanghui;ZHU Donglin;DI Enbiao

作者机构：陆军工程大学通信工程学院江苏南京210007 

出 版 物：《信号处理》 (Journal of Signal Processing)

年 卷 期：2021年第37卷第8期

页      面：1550-1558页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(51507188) 

主　　题：深度学习 YOLOV4-Tiny 道路目标 目标检测 图像复原 

摘      要：为了提高恶劣道路场景下的目标检测能力,本文在YOLOV4-Tiny的基础上提出了一种快速目标检测算法。首先,本文考虑雨雾天气条件下的道路目标检测场景,将基于二次模糊的清晰度算法(ReBlur)和暗通道先验算法相结合对图像进行处理,然后将处理前后的图像用于网络的训练和测试,以克服雨雾天气造成的图像质量下降问题;另一方面,考虑道路场景中的小目标检测,本文在原网络的基础上对8倍降采样特征图进行上采样,再把得到的上采样结果与上一层的特征图拼接,以添加针对小目标的检测头。实验结果表明,改进后的网络在复杂道路场景下的检测能力显著提高,整体的平均精度均值(Mean Average Precision,mAP)也提高了4.13,同时检测速度达到了213 FPS。