基于YOLOv9在雾天图像上的目标检测  

作　　者：沈建驰 SHEN Jianchi

机构地区：[1]南京审计大学,江苏南京211800

出　　处：《信息技术与信息化》2025年第4期56-59,共4页Information Technology and Informatization

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 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]