典型文献
基于暗通道和改进YOLOv3的雾天车辆检测算法
文献摘要：
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.
文献关键词：
雾天车辆检测;暗通道去雾算法;YOLOv3;K-means;先验框;注意力机制
中图分类号：
作者姓名：
华丹;杨硕;王艺钢
作者机构：
沈阳化工大学 计算机科学与技术学院,辽宁 沈阳 110142;辽宁省化工工程工业智能化技术重点实验室,辽宁 沈阳 110142
文献出处：
引用格式：
[1]华丹;杨硕;王艺钢-.基于暗通道和改进YOLOv3的雾天车辆检测算法)[J].物联网技术,2022(09):24-28
A类：
雾天车辆检测
B类：
YOLOv3,检测算法,检测过程,雾气,检测精度,检测性能,清晰度,means,先验框,注意力机制,特征图,特征信息,检测效果,辆数,精度提升,暗通道去雾算法
AB值：
0.173213
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
