科创中国

雾天交通目标检测方法中包含了两种改进的方法：（1）基于改进的AOD-Net去雾增强方法。首先，通过在去雾网络的主干末尾分别加入最大池化层用来提取和放大图像的细节特征，再分别将经双线性上采样后的特征进行特征整合。然后，引入一种可以保留原图像高频区域的对比度以及原图像的颜色和亮度的组合损失函数。大量的实验表明，本文提出的方法具有较明显的去雾效果。

通过该去雾方法处理过的雾天图像中被雾气所遮挡的行人及车辆的细节较为丰富，颜色较为饱和，目标的对比度、可辨识度和清晰度均有所提高。（2）基于迁移学习的YOLOX双主干目标检测方法。首先，是在相邻的主干网络之间进行复合连接，将每一个特征的输出作为输入的一部分，通过复合连接送到后续主干的并行阶段。然后，将获得到的多个高级和低级特征融合在一起以生成更丰富的特征表示，最终加以整合得到最后一个主干的特征，即用于目标检测的领导主干特征。最后，使用迁移学习技术，将在源域数据集上预训练得到的模型参数迁移到目标域数据集上来实现权值的迁移，并微调网络参数以适应新的数据集。经过大量的实验结果表明，该方法在目标检测的精度方面有较好提升。

基于双主干网络的雾天交通目标检测方法可以应用在交通监控、智能驾驶等领域，还可以扩展到红外场景、热感应成像以及更高层次的视频监控场景下的目标检测与识别，具有较好的市场应用前景。

安徽工程大学是一所以工为主的省属多科性高等院校和安徽省重点建设院校，学校办学始于1935年安徽私立内思高级职业学校，历经芜湖电机制造学校、芜湖机械学校、安徽机电学院、安徽工程科技学院等办学阶段，2010年更名为安徽工程大学。学校设有17个二级学院和继续教育学院，60余个本科招生专业。作为省级博士立项建设单位，学校有17个一级学科硕士学位授权点，11个硕士专业学位授权类别。

1.提出了一种基于改进的AOD-Net去雾增强方法。该方法通过在去雾网络AOD-Net的主干末尾分别加入4个最大池化层，用来提取和放大图像的细节特征，再分别将经4个双线性上采样后的特征进行特征整合，然后引入一种可以保留原图像高频区域的对比度以及原图像的颜色和亮度的损失函数MS_SSIM+L1替换原来的均方误差损失函数，得到最终的去雾图像。2.提出了一种基于迁移学习的YOLOX双主干目标检测方法。该双主干特征提取网络结构，在相邻主干网络之间进行复合连接操作组成一个更强大的主干特征提取网络。该结构将每一个特征级别的输出部分作为下一阶段的输入部分，通过复合连接操作送到后续主干的并行阶段，将多个高级特征和低级特征融合在一起以生成更丰富的特征表示，最终加以整合得到最后一个主干的特征，即用于目标检测的领导主干特征。

技术转让 合作开发