基于暗通道和改进YOLOv3的雾天车辆检测算法

• 作者: 华丹 杨硕 王艺钢
• 来源期刊: 物联网技术
• 关键词: 雾天车辆检测 暗通道去雾算法 YOLOv3 K-means 先验框 注意力机制
• 年，卷（期）: 2022,（9）
• 所属期刊栏目: 学术研究-全面感知
• 页码范围: 24-28
• 页数: 4页
• 分类号: TP391.41,TP18
• 语种: 中文
• DOI: 10.16667/j.issn.2095-1302.2022.09.007

摘要

针对雾天车辆检测过程中雾气影响严重导致检测精度不高的问题，为提升检测性能，基于暗通道去雾方法和YOLOv3模型提出一种改进的检测算法。首先，通过暗通道算法对图像进行去雾操作，提升图像的清晰度；其次，通过K-means聚类计算适合车辆检测的先验框，提升YOLOv3算法的检测精度；最后，引入注意力机制，对用以检测的特征图作进一步的特征提取，提高了算法对特征信息的挖掘能力。为了测试该算法的检测效果，在雾天车辆数据集上进行实验。实验结果表明，本文算法比YOLOv3算法的平均精度提升了4.1%，达到了97.5%，能够有效地提升雾天车辆检测的性能。