改进YOLOV4-Tiny的雨雾道路环境下的实时目标检测

来源：信号处理杂志 2021年第8期北京时间：

作者：周捷, 徐光辉, 朱东林, 狄恩彪

摘要：为了提高恶劣道路场景下的目标检测能力，本文在YOLOV4-Tiny的基础上提出了一种快速目标检测算法。首先，本文考虑雨雾天气条件下的道路目标检测场景，将基于二次模糊的清晰度算法（ReBlur）和暗通道先验算法相结合对图像进行处理，然后将处理前后的图像用于网络的训练和测试，以克服雨雾天气造成的图像质量下降问题；另一方面，考虑道路场景中的小目标检测，本文在原网络的基础上对8倍降采样特征图进行上采样，再把得到的上采样结果与上一层的特征图拼接，以添加针对小目标的检测头。实验结果表明，改进后的网络在复杂道路场景下的检测能力显著提高，整体的平均精度均值（Mean Average Precision，mAP）也提高了4.13%，同时检测速度达到了213 FPS。

关键词：深度学习, YOLOV4-Tiny, 道路目标, 目标检测, 图像复原