基于YOLOv3的雾天道路目标检测

目前道路目标检测算法研究多基于正常天气,对雾天场景下道路目标检测研究较少,故提出一种基于YOLOv3的雾天道路目标检测算法。为提高检测设备在恶劣天气下对道路目标的检测能力和检测速度,利用改进后的金字塔池化结构构建去雾模块,并将其嵌入至YOLOv3目标检测网络中;引入通道注意力机制,提高DarkNet53的图像特征信息提取能力;增加一层检测层提高小目标物体检测能力,实现了一种去雾网络和检测网络联合优化的道路目标检测网络A-YOLOv3。利用大气散射模型和图像景深信息自制雾天道路数据集S-KITTI并将其用于实验验证,实验结果表明:通过改进优化使得模型检测精度从65.22%提升至72.5%。