基于YOLOv7的雾天实时目标检测方法

来源：电子测量技术杂志2025年第11期北京时间：

作者：谢祖华，李海涛，胡建文

单位：长沙理工大学电气与信息工程学院 长沙 410114

摘要：雾天场景下，拍摄的图像模糊、细节信息缺失，目标与背景难以区分。针对现有深度学习目标检测算法易出现漏检、误检、识别速度慢等问题，提出一种基于YOLOv7的雾天实时检测算法。以YOLOv7为基线，在其前端设计包含AOD去雾子网络和雾天图像生成子网络的循环去雾双子网络。轻量化的AOD去雾子网络占用很少的计算资源，有效克服雾天对图像造成的负面影响，增强模型的特征提取能力；雾图像生成子网络在模型训练阶段协助提升AOD子网络的去雾性能，并在测试时不参与计算，显著减少推理时间。改进的图像重建损失函数引入模糊图像信息，并将整体网络统一训练有效地结合去雾和检测任务。将CityScapes数据集合成得到两个不同雾浓度的雾天图像数据集，在两个数据集上的实验结果表明，该方法的平均精确度分别为65.2%、64.2%，检测速度FPS为42.4，模型精度在所有对比方法中最优且能实现实时检测；最后将训练好的各模型在RTTS数据集上进验证，所设计的模型泛化能力超过其他方法。

关键词：雾天场景;图像去雾;YOLOv7;实时目标检测

基金资助：国家自然科学基金面上项目（62271087）、湖南省自然科学基金（2024JJ5039,2023JJ60141）、湖南省教育厅科学研究重点项目（24A0243）资助