典型文献
一种雨雾背景的DeRF-YOLOv3-X目标检测方法
文献摘要：
提出了一种新型的目标检测方法DeRF-YOLOv3-X(Derain and Defog-YOLOv3-Xception),将Xception引入YOLOv3网络以提高雨雾天气条件下行人和车辆的目标检测准确性.对于雨雾背景,分别采用残差网络和负映射结合的深度细节网络DDN和基于注意力机制的多尺度网络GridDehazeNet进行去雨去雾处理;采用Xception替换YOLOv3中Darknet-53网络,同时将回归损失函数由IoU改进为DIoU,提高特征提取能力以及框定位准确率.在公开数据集ImageNet上进行主干网络的测试;在实际场景数据集上进行YOLOv3-X网络和DeRF-YOLOv3-X网络的测试.实验结果表明,提出的DeRF-YOLOv3-X目标检测网络在雨天背景下mAP值提高了5.92％,达到54.99％;在雾天背景下,mAP值也提高了4.22％,达到49.07％.
文献关键词：
深度学习;复杂环境;目标检测;图像恢复
中图分类号：
作者姓名：
杨坤志;闫潇宁;孙健;许能华;陈晓艳
作者机构：
天津科技大学电子信息与自动化学院,天津300222;深圳市安软科技股份有限公司,广东 深圳518131
文献出处：
引用格式：
[1]杨坤志;闫潇宁;孙健;许能华;陈晓艳-.一种雨雾背景的DeRF-YOLOv3-X目标检测方法)[J].传感技术学报,2022(09):1222-1229
A类：
DeRF,Derain,Defog,GridDehazeNet
B类：
YOLOv3,目标检测方法,Xception,雨雾天气,天气条件,检测准确性,残差网络,DDN,注意力机制,多尺度网络,去雨,去雾,Darknet,损失函数,DIoU,特征提取能力,框定,定位准确率,公开数据集,ImageNet,主干网络,目标检测网络,雨天,mAP,复杂环境,图像恢复
AB值：
0.354398
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。
