基于YOLOv9在雾天图像上的目标检测
沈建驰
南京审计大学 江苏南京 211800
摘要：深度学习目标检测在传统数据集上取得优异成果,但是在雾天环境下的检测任务仍然具有挑战性.雾天图片细节信息丢失,目标与背景混合,导致雾天目标检测任务难以定位与识别,容易造成漏检与误检问题.文章基于YOLOv9算法进行优化,结合AOD-Net去雾算法,在端到端的框架下,实现了从雾天图像输入到目标检测结果输出的一体化流程;提出GNAM模块,实现注意力权重的精细化调控,关注目标关键特征,避免误检;在Neck层使用BiFPN特征融合网络捕获目标的语义和位置信息,提高特征图质量,减少雾天环境下的漏检问题.更好地满足在雾天环境目标检测需求.实验结果表明,在RTTS数据集上的mAP@0.5和mAP@0.5:0.95分别达到了 82.6％和61.8％,能够有效应对雾天场景下的目标检测任务.
关键词：AOD-Net去雾目标检测注意力机制BiFPN
论文发表日期：2025-04-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 56-59 )