基于CGAN和YOLOv3的雾雨图像复原及目标检测算法研究

发布时间：2025-01-14 01:42

　　作为计算机视觉中最基本的问题之一,目标检测因其在现实世界中的广泛应用地位而一直颇受关注,从其长达20多年的不断追求发展进步的历程来看,它代表了计算机视觉发展的历史缩影,一直以来仍是一项充满挑战的研究方向。但在面临雾霾、雨天天气环境时,会对获得的图像产生干扰和降质,使得图像成像模糊、细节丢失等。并且雾霾、雨天天气对人类的视觉也存在巨大的挑战,雾霾造成的能见度低,雨滴造成的遮挡等等干扰着驾驶者捕捉到的有效视觉范围,在驾车途中的任何判断都可能会被影响,一定程度上可能会导致交通意外。因此对获得的图像进行图像复原获得清晰图像有利于提高目标检测算法的准确率。本文在YOLOv3算法的基础上,通过基于改进的条件生成对抗网络(Conditional Generative Adversarial Networks,CGAN)图像复原算法以及对目标检测损失函数的优化来提高YOLOv3算法在雾霾、雨天天气下的检测精度。具体研究工作如下:(1)在提升图像复原算法的稳定性方面,本文提出基于改进的CGAN图像复原算法,在CGAN的训练过程中提出结合梯度惩罚和谱归一化来实现Lipschitz约束条件,该约束条件限制了判...

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

图1.1雾霾、雨天天

合肥工业大学硕士学位论文2户外摄像头取景范围的扩大，这些不利条件影响会逐渐递增，就是因为这些不利因素的存在使户外采集的图像变的模糊不清，导致目标信息被遮挡，从而影响着户外智能交通系统的目标检测。同时在图1.1(c)和图1.1(d)也给出了在遭遇雨天气环境时的情况。雨滴下落会造成户....

图5.9添加GIoU损失函数的YOLOv3训练曲线图

合肥工业大学硕士学位论文52Fig5.8Raindropremovaleffectofrealimage5.6目标检测实验结果与分析本次进行目标检测实验仿真的实验环境与图像复原实验环境相同。整个训练过程中在损失函数的指引下使用随机梯度下降法来更新网络常数，考虑显存大小，设置bat....

本文编号：4026217