计算机工程与科学

作者：张骞, 陈紫强, 孙宗威, 赖镜安

单位：桂林电子科技大学信息与通信学院，广西 桂林 541004

关键词：雾天场景,目标检测,深度学习,Cascade RCNN,高分辨率,

基金：国家自然科学基金(61861011);广西研究生教育创新计划(2022YCXS060)

针对雾天场景中因图像模糊不清、目标难以分辨等原因导致错检、漏检的问题,提出了一种融合高分辨率网络的目标检测算法HR-Cascade RCNN。采用高分辨率网络HRNet作为Cascade RCNN的特征提取网络，通过不同分辨率的子网络并行连接，提取多尺度的特征信息，减少下采样过程中的信息损失，增强目标的语义信息表示；使用CIoU损失函数替换原有的Smooth L1损失函数，引入惩罚项度量真实框与检测框之间宽高比的相关性，优化网络的收敛效果，有助于提高检测框的定位精度；最后，采用SoftNMS改进候选框选择机制，降低车辆遮挡等情况下的漏检率，提高网络检测能力。在真实雾天数据集RTTS和合成雾天数据集Foggy Cityscapes上的实验结果表明，HR-Cascade RCNN与原Cascade RCNN相比，mAP分别提高了5.9%和3%。

来源：2023年第11期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2023年第11期