基于YOLOv5改進的霧天行人與車輛檢測算法

摘要： 由于在惡劣天氣下汽車對環(huán)境的感知能力差，且對動態(tài)目標的檢測能力有極大的影響，使得基于深度學習的目標檢測網絡在霧天行人車輛檢測中出現(xiàn)精度低、魯棒性差等問題。本文提出一種基于DehazeNet去霧算法與改進YOLOv5算法相結合的霧天檢測方法—YOLOv5-SGE檢測網絡。通過取消初始錨框，實現(xiàn)錨框自適應計算，生成適合當前數據集的錨框；在特征提取模塊加入三維權重注意力機制，使網絡可... （共10頁）