来源：期刊VIP网 时间：
作者：毛涵巍;李士心;周立明;王鹏;朱致仁;
单位：天津职业技术师范大学电子工程学院;
摘要：雾天场景下能见度降低，车辆在雾中捕获的目标信息模糊且不完整，易发生误检与漏检问题，文中提出一种改进YOLOv8的雾天目标检测算法（BRES-YOLO）。首先，引入BiFormer替代骨干特征提取网络，捕获不同的语义特征以提升模型的检测精度；其次，在颈部网络中加入EMA模块，以增强模型对目标的关注度，引入SPD-Conv替代原始模型中的Conv，提高在处理低分辨率图像和小目标时的检测性能，使用MPDIoU代替原损失函数，提高检测框的定位精度和分类性能；最后，引入C2f-RepGhost结构替代原有的C2f模块，使模型轻量化，并减小模型的计算复杂度。实验结果表明，与YOLOv8n模型相比，BRES-YOLO模型在RTTS数据集上的平均精度均值mAP@0.5提高了5.8%,mAP@0.5:0.95提高了5.4%。综上所述，BRES-YOLO模型可以更准确地完成雾天场景的目标检测任务。
关键词：目标检测;;雾天驾驶;;YOLOv8;;BiFormer;;多尺度注意力机制;;C2f-RepGhost
基金资助：国家重点研发项目(ZZG0012301)
