雾天条件下改进YOLOv4的目标检测

作者：刘书刚; **坤^*; 杜昊东; 王洪涛

来源：系统仿真学报, 2023, 35(08): 1681-1691.

DOI：10.16182/j.issn1004731x.joss.22-0423

• 生成对抗网络
• DeblurGANv2
• Coordinate Attention
• ShuffleNet V2
• 去雾目标检测

针对雾霾天气下现有的目标检测方法存在检测精度低的问题，提出了一种基于DeblurGANv2与YOLOv4的去雾目标检测方法。在YOLOv4的预处理模块中加入生成对抗网络中的图像增强算法DeblurGANv2，对有雾的图像进行去雾预处理，保留图像高质量的纹理和色彩信息。用轻量级神经网络ShuffleNet V2替代YOLOv4中用于主干特征提取的CSPDarkNet53网络，提高模型目标检测速度。在YOLOv4的特征融合模块中加入注意力机制，增强对小目标的识别效果。实验结果表明：该方法能够减少色差较大和雾残留的问题，在RESIDE数据集中mAP值达到了86.56%，在实际去雾目标测试中取得较好的效果。

• 单位
  华北电力大学