目标检测YOLO实战应用案例100讲-雾天环境下目标检测

目录

前言

国内外研究现状

图像去雾算法的研究 

基于深度学习的目标检测算法研究现状 

图像去雾相关理论概述 

2.1 单尺度Retinex算法 

2.2 带颜色恢复的多尺度Retinex算法   

2.3 基于引导滤波的暗通道先验去雾算法

 2.3.1 暗通道先验去雾 

2.3.2 引导滤波 

2.4 去雾效果对比 

相关理论基础 

3.1 卷积神经网络基本理论 

3.1.2 模型初始化的改进 

3.1.3 全连接层 

3.1.4 激活函数 

3.1.5 批量标准归一化层 

3.2 卷积神经网络的训练 

3.2.1前向传播

3.2.2 反向传播 

3.3 优化算法  

3.3.1 RMSprop算法 

3.3.2 Adam算法 

3.3.3 批量梯度下降法 

3.3.4 随机梯度下降法 

3.3.5 小批量梯度下降法 

3.4 深度学习框架 

---

本文篇幅较长，分为上下两篇，下篇详见雾天环境下目标检测（续）

前言

近些年，我国经济的高速发展，国家基础设施不断完善，人们对生活质量也有了更高 的要求。在出行方面，汽车在人们的生活中起着很重要的角色，因为人们更多的是追求快 捷、便利的出行方式，所以各类车辆开始越来越多的进入到人们的家庭。依据公安部所发 布的最新数据可知，截止到2022年3月底，我国汽车的数量达到3.07亿辆，汽车驾驶人数总 共有4.5亿。汽车数量的增加，一方面使得越来越多的人享受到科技的便利，另一方面，也 会严重影响交通安全。现实表明，道路上的车辆数量日益增多，交通事故数