改进生成对抗网络的雾霾天气交通标志识别算法

摘要

为提高雾霾天气下交通标志识别的准确性，提出一种改进生成对抗网络(GAN)的雾霾天气交通标志识别算法。该算法主要分为2个部分：第1部分是多尺度GAN的图像去雾，在生成器中增加多尺度卷积和感知损失函数，多尺度卷积有利于提取特征，感知损失可以在图像的深度特征上保留内容、风格等高级语义信息，使去雾效果更符合人眼对图像质量的感受；第2部分是交通标志识别，在原有YOLOX-S模型的基础上增加感受野更小的160×160检测层来降低小尺度交通标志的漏检率，其次在主干网络中增加坐标注意力(CA)机制强化特征网络。实验结果表明，提出的去雾模型具有较好的效果，评价指标PSNR和SSIM的结果都优于其他代表性算法；交通标志识别算法与原模型进行比较，准确率、mAP值、召回率分别提高了2%、4%和7%,验证了模型的有效性。

关键词

多尺度卷积 / 交通标志 / 感知损失 / YOLOX / 注意力机制

基金资助

山西省基础研究计划(自由探索类)青年科学研究项目(20210302124120)