基于CycleGAN的道路多场景图像数据增强与目标检测方法研究

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。