摘要
现有的夜间车辆检测方法主要是通过检测前灯或尾灯来检测车辆。然而,复杂的道路照明环境对这些特性产生了不利的影响。本文提出了一种具有特征转换增强(feature translate enhancement, FTE)模块和目标检测(OD)模块的级联检测网络框架FteGanOd。首先,基于CycleGAN构建FTE模块,提出多尺度特征融合,增强夜间车辆特征检测;通过融合不同的卷积层,将黑夜和白天的特征结合起来,生成增强特征(EF)图。其次,在现有目标检测网络的基础上,改进OD模块,与FTE模块级联,检测EF地图上的车辆。本文提出的FteGanOd方法通过提高车辆与背景的对比度和抑制环境光的干扰,提高了夜间车辆识别的准确性。在Berkeley Deep Drive (BDD)数据集和我们的私有数据集上验证了提出的FteGanOd。实验结果表明,该方法能有效增强车辆特征,提高夜间车辆检测的准确性。
————————————————
版权声明:本文为CSDN博主「elkluh」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/qq_39696563/article/details/125734957
读论文-基于循环gan特征增强的夜间车辆检测 Feature Enhancement Based on CycleGAN forNighttime Vehicle Detection
最新推荐文章于 2024-09-26 15:31:54 发布