来源：期刊VIP网 时间：
作者：汤亮;陈博文;牛一森;马荣庚;
单位：湖北工业大学机械工程学院;
摘要：随着智能通信技术在智能交通场景的广泛运用，行人、车辆目标检测已成为保障道路安全的重要基础。针对在雾天恶劣环境中检测网络漏检率高、检测速度慢的问题，本文提出基于YOLOv8的实时雾天目标检测方法。该模型将输入图片加入去雾网络模块对输入图像进行预处理，保留原图片的细节特征并去除雾气的遮挡，再使用改进后的YOLOv8n进行检测。在YOLOv8n上基于FasterNet改进C2f模块，降低模型参数量及模型大小，增加模型计算效率，并设计SE-ResNeXt检测头，避免了因堆积神经网络层数带来的负面影响。最后运用知识蒸馏的方式，进一步提高检测精度。将所提出模型在reside rtts数据集和合成有雾数据集上进行验证。与原网络相比，平均精度(mAP@50＿95)提升5.2个百分点，检测帧数达到170 frame/s。
关键词：雾天场景;;目标检测;;信息交互;;FasterNet;;SENet;;ResNeXt
基金资助：国家科技支撑计划项目(2016IM020200-01)
