基于YOLOv5的轻量级雾天目标检测方法

作     者：赖镜安 陈紫强 孙宗威 裴庆祺 LAI Jing’an;CHEN Ziqiang;SUN Zongwei;PEI Qingqi

作者机构：桂林电子科技大学信息与通信学院广西桂林541000 西安电子科技大学通信工程学院西安710126 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2024年第60卷第6期

页      面：78-88页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 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：广西信息材料重点实验室基金(221035-K) 桂林电子科技大学研究生教育创新计划(2022YCXS060) 

主　　题：目标检测 深度学习 雾天场景 轻量化 注意力机制 

摘      要：针对雾天场景下目标检测算法精度较低、模型复杂度较高,提出一种基于YOLOv5的轻量级雾天目标检测方法。采用感受野注意力模块(RFAblock)通过交互感受野特征信息,对感受野添加注意力机制,提高特征提取能力;采用轻量化网络Slimneck作为颈部结构,在保持精度的同时降低模型参数和复杂度;在损失函数中引入真实框与预测框之间的角度向量,提高训练速度和推理的准确性;采用PNMS(precise non-maximum suppression)改进候选框选择机制,降低车辆遮挡情况下的漏检率。在真实雾天数据集RTTS和合成雾天数据集Foggy Cityscapes上进行测试,实验结果表明,与YOLOv5l相比mAP50分别提高了4.9和3.5个百分点,模型参数量仅为YOLOv5l的54.6%。