基于CycleGAN的道路多场景图像数据增强与目标检测方法研究

作     者：田晨璐 万耿宏 翟远 李筱蒸 TIAN Chenlu;WAN Genghong;ZHAI Yuan;LI Xiaozheng

作者机构：山东建筑大学山东济南250100 上海寰球工程有限公司上海200032 

出 版 物：《软件》 (Software)

年 卷 期：2023年第44卷第12期

页      面：1-7页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：2021年度山东省重大科技创新工程(2021CXGC011205) 山东省自然科学基金青年项目(ZR2023QF020) 山东建筑大学博士基金(x22015z) 

主　　题：道路巡检 目标检测 数据增强 

摘      要：目标检测算法是道路巡检系统的关键部分,其检测精度的高低直接影响了道路巡检的效果。然而,道路巡检往往面临数据缺失和不均衡的问题,难以保证检测准确率。为解决上述问题,本文提出了一种基于CycleGAN的道路多场景图像数据增强与目标检测方法。该方法首先利用Cycle GAN生成黑夜、黄昏、阴雨天等多种场景下的图片,并将生成的图像与原始图像混合作为新的数据集训练YOLOv5。然后,将CBAM注意力机制引入到YOLOv5模型中来进一步提升检测精度。最后利用训练好的YOLOv5实现目标检测,达到提升YOLOv5的检测精度的目的。为验证所提出方法的有效性,本文设置了四组对比模型,并在GRDDC数据集上进行实验。实验结果表明,该方法在目标检测精度上取得了良好的效果,验证了所提出方法的有效性。