复杂光照场景下的自动驾驶汽车行人检测

来源：计算机应用与软件杂志2025年第1期北京时间：

作者：宋建坤, 孙扬, 李韵鹏

摘要：针对在低光照或光照条件变化剧烈的场景下行人检测易出现漏检、定位不准问题，提出基于图像增强（EnlightenGAN）与YOLOv5联合学习的行人检测方法，该方法中的特征提取网络可以学习到经过对抗神经网络增强模块重构的图像结构细节和颜色特征。采用平滑处理后的相对熵损失函数作为YOLOv5的置信度损失，以提升网络的泛化性能。实验结果表明，基于图像增强与YOLOv5联合学习的方法在自制的复杂光照场景行人数据集上有效降低不同光照对检测行人的敏感性，精确率达到87.58%；在Caltech数据集上改进YOLOv5损失后收敛加快且检测精确率提升1.73百分点。

关键词：行人检测, 自动驾驶汽车, 图像增强, YOLOv5