基于DCP-Imp CycleGAN CenterNet去雾算法的交通标志检测

摘要

针对雾天环境下对小型交通标志检测效果不佳的问题,提出了一种基于DCP-Imp CycleGAN与CenterNet融合去雾的交通标志检测方法。该方法在预处理模块将DCP算法嵌入到优化后的CycleGAN网络框架中,对图像高质量的纹理信息细化处理,再通过感知融合模块,获得更易被识别且自然的无雾图像;为了进一步提高对小型交通标志的识别能力,对CenterNet中的残差块进行了轻量化设计,同时引入了CBAM注意力机制和FPN特征融合模块,进而减少了有效特征信息的丢失。实验结果表明,改进算法能有效解决图像去雾中色差明显和不清晰的问题,在CCTSDB数据集上实验评估得到的mAP较CenterNet提升了5.48%,FPS提升了4帧,有效解决了雾天环境下对小型交通标志的漏检、误检问题。