基于YOLOv5的轻量级雾天目标检测方法

doi:10.3778/j.issn.1002-8331.2308-0029

摘要/摘要

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公司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；采用轻量化网络斯利姆尼克作为颈部结构，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（精确非最大抑制）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系统和合成雾天数据集雾蒙蒙的城市风光上进行测试，实验结果表明，与YOLOv5l和mAP50分别为4.9和3.5个百分点，模型参数量仅为YOLOv5=54.6%

关键词: 目标检测, 深度学习, 雾天场景, 轻量化, 注意力机制

摘要：针对雾天场景中目标检测算法精度低、模型复杂度高的问题，提出了一种基于YOLOv5的轻量级雾天目标检测方法。首先，本文采用感受野注意模块（RFAblock），通过与感受野特征信息交互，向感受野添加注意机制，以提高特征提取能力。其次，采用轻量级网络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。为了提高训练速度和推理精度，在损失函数中引入了实帧和预测帧之间的角度矢量。使用PNMS（精确非最大值抑制）改进候选帧选择机制，降低车辆遮挡情况下的泄漏检测率。最后，在实际雾日数据集RTTS和合成雾日数据集中foggy Cityscapes上对实验结果进行了测试，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，模型参数的数量仅为YOLOv 5l的54.6%。

关键词： 目标检测，深度学习，雾蒙蒙的场景，重量轻，注意机制

赖镜安, 陈紫强, 孙宗威, 裴庆祺. 基于YOLOv5公司的轻量级雾天目标检测方法[J] ●●●●。计算机工程与应用, 2024, 60(6): 78-88.

赖静安、陈自强、孙宗伟、裴轻奇。基于YOLOv5的轻量级雾天气目标检测方法[J]。计算机工程与应用，2024，60（6）：78-88。

参考文献

[1] TERVEN J，CORDOVA-ESPARZA D.《YOLO的全面回顾：从YOLOv1到YOLOv 8及以后》[J]。arXiv:2304.005012023年。
[2] 陈毅，袁X，吴蓉，等。YOLO-MS：基于多尺度表征学习的实时目标检测的再思考[J]。arXiv：2308.054802023年。
[3] REN S，HE K，GIRSHICK R，等.快速R-CNN：面向区域提议网络的实时目标检测[J]。IEEE模式分析和机器智能汇刊，2017，39（6）：1137-1149。
[4] CAI Z，VASCONCELOS N.Cascade R-CNN:深入研究高质量目标检测[C]//2018 IEEE/CVF计算机视觉和模式识别会议论文集，2018:6154-6162。
[5] 院老虎, 翟柯嘉, 张泽鹏, 等.基于模拟雾天遥感数据集的飞机目标检测研究[J] ●●●●。南京邮电大学学报 (自然科学版), 2021, 41(3): 77-84.
袁隆华，张家杰，张志平.基于雾模拟遥感图像数据集的飞机目标检测[J]。南京邮电大学学报（自然科学版），2021，41（3）：77-84。
[6] REDMON J，DIVVALA S，GIRSHICK R，et al.你只看一次：统一的实时目标检测[C]//2016 IEEE计算机视觉和模式识别会议论文集，2016:779-788。
[7] 马勇，蔡军，陶军，等.基于改进SSD的DehazeNet雾状图像检测[C]//2021年第五届人工智能创新国际会议论文集，2021:82-86。
[8] 黄思聪，LE T H，JAW D W.DSNet:恶劣天气条件下目标检测的联合语义学习[J]。IEEE模式分析和机器智能汇刊，2020，43（8）：2623-2633。
[9] 院老虎, 常玉坤, 刘家夫.基于改进YOLOv5系列的雾天场景车辆检测方法[J] 《世界报道》，2023，44（3）：35-41。
YUAN L H，CHANG Y K，LIU J F.基于改进YOLOv5s的雾场景车辆检测方法[J]。郑州大学学报（工程科学版），2023，44（3）：35-41。
[10] 詹成祥, 孟庆岩, 安健健, 等.基于清除-SSD的单点多盒飞机目标检测天气适用性[J] ●●●●。科学技术与工程, 2020, 20(31): 12717-12723.
詹春霞，孟庆英，安俊杰，等.基于clear-SSD的单发多机目标检测的天气适用性[J]。科学技术与工程，2020，20（31）：12717-12723。
[11] 刘书刚, 张林坤, 杜昊东, 等.雾天条件下改进约洛夫[J]。系统仿真学报, 2023, 35(8): 1681-1691.
刘世光，张立科，杜海德.雾中YOLOv4目标检测的改进[J]。系统仿真杂志，2023，35（8）：1681-1691。
[12] 李华，李杰，魏华，等。GSConv的细颈型：自主车辆检测器体系结构的更好设计范例[J]。arXiv:2206.024242022年。
[13] ZHU X，LYU S，WANG X，et al.TPH-YOLOv5:基于变压器预测头的改进YOLOv 5，用于无人机场景中的目标检测[J]。arXiv:2108.115392021年。
[14] 张旭，刘C，杨德，等。RFAConv：创新空间注意和标准卷积运算[J]。arXiv：2304.031982023年。
[15] SRINIVAS A，LIN T Y，PARMAR N，等.视觉识别的瓶颈变换器[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2021:16519-16529。
[16] VASWANI A，RAMACHANDRAN P，SRINIVAS A，et al.为参数有效的视觉主干扩展局部自我注意[C]//IEEE/CVF计算机视觉和模式识别会议论文集，2021:12894-12904。
[17] 郑智，王平，刘伟，等.距离-IoU损失：边界盒回归的更快更好学习[C]//AAAI人工智能会议论文集，2020：12993-13000。
[18] GEVORGYAN Z.SIoU损失：边界盒回归的更强大学习[J]。arXiv:2205.12740，2022年。
[19] YU F，CHEN H，WANG X，et al.Bdd100k:异构多任务学习的多元驱动数据集[C]//2020 IEEE/CVF计算机视觉与模式识别会议论文集，2020：2633-2642。
[20] 李斌，任伟，傅德，等.单幅图像去噪及其以外的基准测试[J]。IEEE图像处理汇刊，2018，28（1）：492-505。
[21]SAKARIDIS C，DAI D，VAN GOOL L.基于合成数据的语义模糊场景理解[J]。国际计算机视觉杂志，2018，126（9）：973-992。

基于YOLOv5公司的轻量级雾天目标检测方法

基于YOLOv5的轻量级雾天气目标检测方法

PDF格式

可视化

摘要/摘要

引用本文

使用本文

参考文献

相关文章15

编辑推荐

韵律学

[1]	常禧龙, 梁琨, 李文涛.深度学习优化器进展综述[J] ●●●●。计算机工程与应用, 2024, 60(7): 1-12.
[2]	周钰童, 马志强, 许璧麒, 贾文超, 吕凯, 刘佳.基于深度学习的对话情绪生成研究综述[J] ●●●●。计算机工程与应用, 2024, 60(7): 13-25.
[3]	姜良, 张程, 魏德健, 曹慧, 杜昱峥.深度学习在骨质疏松辅助诊断中的应用[J] ●●●●。计算机工程与应用, 2024, 60(7): 26-40.
[4]	刘建华, 王楠, 白明辰.手机室内场景要素实例化现实增强方法研究进展[J] ●●●●。计算机工程与应用, 2024, 60(7): 58-69.
[5]	赵文涛, 薛赛丽, 刘甜甜.结合项目属性协作信号减少无关邻域的推荐[J] ●●●●。计算机工程与应用, 2024, 60(7): 101-107.
[6]	倪广兴, 徐华, 王超.融合改进YOLOv5和Mediapipe的手势识别研究[J] ●●●●。计算机工程与应用, 2024, 60(7): 108-118.
[7]	郝志峰, 刘俊, 温雯, 蔡瑞初.基于多序列隐关系的时序事件预测[J] ●●●●。计算机工程与应用, 2024, 60(7): 119-127.
[8]	郑小丽, 王巍, 杜雨晅, 张闯.面向会话的需求感知注意图神经网络推荐模型[J] ●●●●。计算机工程与应用, 2024, 60(7): 128-140.
[9]	杨有, 姚露.结合对比学习的图像指导增强视觉问答模型[J] ●●●●。计算机工程与应用, 2024, 60(7): 157-166.
[10]	胡伟超, 郭宇阳, 张奇, 陈艳艳.基于改进约洛克斯的轻量化交通监控目标检测算法[J] ●●●●。计算机工程与应用, 2024, 60(7): 167-174.
[11]	江兴旺, 赵兴强.改进YOLOv7公司的木材表面缺陷检测算法[J] ●●●●。计算机工程与应用, 2024, 60(7): 175-182.
[12]	赵鑫, 陈里里, 杨维川, 张程旺.DY-YOLOv5：基于多重注意力机制的航拍图像目标检测[J] ●●●●。计算机工程与应用, 2024, 60(7): 183-191.
[13]	马亚美, 王双亭, 都伟冰.双分支多维注意特征融合的高光谱图像分类[J] ●●●●。计算机工程与应用, 2024, 60(7): 192-203.
[14]	何文昊, 葛海波, 程梦洋, 安玉, 马赛.边缘注意力及反向定位的伪装目标检测算法[J] ●●●●。计算机工程与应用, 2024, 60(7): 229-237.
[15]	师自通, 师智斌, 刘冬明, 雷海卫, 龚晓元.多头注意力机制的图同构网络智能合约源码漏洞检测[J] ●●●●。计算机工程与应用, 2024, 60(7): 258-265.