基于PP-YOLOE的雾天行人车辆目标检测

目录

1. 项目说明

2. 安装说明

2.1 环境说明

2.2 解压代码

2.3 安装依赖

3. 数据准备

3.1 数据介绍

3.2 数据结构

4. 模型选择

5. 模型训练

6. 模型评估

7. 模型优化

8. 推理可视化

9. 模型导出

10. 模型部署

---

1. 项目说明

随着计算机视觉算法的快速发展，目标检测作为视觉感知的基础任务，在诸多场景中得到了广泛应用。常见的公开数据集和方法大多针对能见度良好条件下的目标检测任务而建立。然而现实应用场景却面临诸如低能见度环境等更为复杂的环境，导致拍摄图像质量下降。在雾、霾等恶劣天气条件下，城市安防、自动驾驶等应用的视觉感知和场景理解变得极为困难。这些大气现象通常会导致图像出现非线性噪声、模糊、对比度下降和亮度变暗等问题，这对目标检测任务构成了挑战。该项目旨在提高目标检测算法对雾天环境拍摄图像的鲁棒性。以我们选用的 RTTS 数据集为例，该项目的挑战在于：

1. 目标复杂

   • 环境复杂，要适应各种能见度条件下的白天、阴天、雾天、霾天等气候环境；
   • 场景复杂，城市道路、乡村、高速公路等场景差异性较大；

2. 样本不均衡

   • 类别多，包含：行人、骑车人、汽车、巴士、摩托车、自行车；
   • 每张图像中包含多类目标，以及各种程度的遮挡与截断；