自适应复杂环境噪声的多重关注联合优化检测算法
来源：电子测量技术杂志2025年第1期北京时间：
作者：张绪康，朱硕
单位：1.南京信息工程大学电子与信息工程学院 南京 210044; 2.无锡学院电子信息工程学院 无锡 214105
摘要：针对自动驾驶车辆视觉感知系统在雾天、雨天等复杂天气下因环境噪声导致目标检测效果不佳的问题，提出基于自适应图像去噪与多重关注的联合优化目标检测算法(DMCYOLO)。构建一个图像去噪网络，融合暗通道先验算法和ACE图像增强技术模块，提升复杂天气下的图像质量；进一步地，将该网络与YOLOv8主干网络相连，并在YOLOv8网络中运用SCDonw卷积代替标准卷积，集成点卷积与深度卷积，降低网络计算成本，同时获得更丰富的下采样信息；采用SEAM注意力模块，整合网络局部信息和全局信息；引入SA检测头，广泛关注上下文特征以保留更多细节信息；在损失函数中引入线性区间映射重构IoU，以提升网络对于不同复杂环境的适应性。实验结果表明，相较于基线模型，改进算法在参数量降低15%的情况下，平均精度提升2.9%，有效增强了自动驾驶车辆在复杂环境下对目标的识别能力，在EC-R3588SPC和Nvidia Jetson NX边缘设备上部署效果良好，可以满足复杂天气下的实时检测需求。
关键词：目标检测;联合优化;YOLOv8;复杂天气;图像去噪
基金资助：江苏双创博士基金（JJSSCBS20210871）项目资助
