基于改进YOLOx的弱光照环境车辆检测方法OA北大核心CSTPCD
Improved YOLOx-based vehicle detection method for low light environment
在公路隧道等弱光照环境下,采集的车辆图像受外界因素影响较大,导致车辆检测精度低.针对此问题,提出了一种改进YOLOx算法的弱光照环境车辆实时检测方法.首先,基于引导滤波和区域能量特性融合准则对采集的车辆图像进行增强,解决图像中光照不均、目标轮廓信息模糊等问题.其次,基于Swin-Transformer网络结构,构建了改进YOLOx的车辆检测算法的主干网络,利用Transformer的全局建模能力对图像中的关键语义信息进行编码,强化网络细节特征的提…查看全部>>
For the low light environment such as road tunnels,the acquired vehicle images are affected by external factors,which leads to low vehicle detection accuracy.For this problem,a real-time vehicle detection method for low light environment with improved YOLOx algorithm is proposed.Firstly,the collected vehicle images are enhanced based on the guiding filter and regional energy characteristic fusion criterion to solve the problems of uneven illumination and blu…查看全部>>
杨晓寒;王峻;段中兴;惠蕾蕾
西安建筑科技大学 信息与控制工程学院,陕西 西安 710055江苏省交通工程建设局,江苏 南京 210004西安建筑科技大学 信息与控制工程学院,陕西 西安 710055中国建筑西北设计研究院有限公司,陕西 西安 710018
计算机与自动化
弱光照环境Swin-Transformer车辆检测图像增强注意力机制
low-light environmentswin-transformervehicle detectionimage enhancementattention mechanism
《液晶与显示》 2024 (6)
801-812,12
国家自然科学基金(No.51678470)Supported by National Natural Science Foundation of China(No.51678470)
评论