针对雾气导致图像中行人检测准确率不高的问题,提出了1种基于改进多尺度Retinex(multiple scale Retinex,MSR)和改进YOLOv5(you only look once v5)的雾天行人检测算法。首先,针对MSR算法容易产生光晕和伪影现象的问题,引入均值和均方...针对雾气导致图像中行人检测准确率不高的问题,提出了1种基于改进多尺度Retinex(multiple scale Retinex,MSR)和改进YOLOv5(you only look once v5)的雾天行人检测算法。首先,针对MSR算法容易产生光晕和伪影现象的问题,引入均值和均方差对其进行改进,通过伽马校正找到适宜的图像亮度,调整亮度后再对图像进行去雾操作。其次,以传统的YOLOv5检测模型为基础并对其进行改进,引入选择性内核网络(selective kernel networks,SK-Net)模块,与YOLOv5的骨干网络(Backbone)端相融合,输入信息自适应地调整其感受野大小,加强模型对主要信息的提取,提升模型的精度。实验结果表明,改进后的MSR和改进后的YOLOv5相结合得到的算法,各项行人检测指标都有较大提升,其识别精确率、召回率、各类别平均精度均值分别达到了91.2%、87.3%、90.1%,改进后的算法能有效提高雾天行人检测的效率。展开更多
文摘针对雾气导致图像中行人检测准确率不高的问题,提出了1种基于改进多尺度Retinex(multiple scale Retinex,MSR)和改进YOLOv5(you only look once v5)的雾天行人检测算法。首先,针对MSR算法容易产生光晕和伪影现象的问题,引入均值和均方差对其进行改进,通过伽马校正找到适宜的图像亮度,调整亮度后再对图像进行去雾操作。其次,以传统的YOLOv5检测模型为基础并对其进行改进,引入选择性内核网络(selective kernel networks,SK-Net)模块,与YOLOv5的骨干网络(Backbone)端相融合,输入信息自适应地调整其感受野大小,加强模型对主要信息的提取,提升模型的精度。实验结果表明,改进后的MSR和改进后的YOLOv5相结合得到的算法,各项行人检测指标都有较大提升,其识别精确率、召回率、各类别平均精度均值分别达到了91.2%、87.3%、90.1%,改进后的算法能有效提高雾天行人检测的效率。
