针对模糊目标检测,提出一个基于生成对抗网络去模糊网络模块(Deblur)与YOLO(You Only Look Once)实时检测算法的检测网络(BL-YOLOv3)。该网络采用生成对抗网络的盲目运动去模糊图像(DeblurGAN)增强的方法对图像进行预处理,保留图像中超...针对模糊目标检测,提出一个基于生成对抗网络去模糊网络模块(Deblur)与YOLO(You Only Look Once)实时检测算法的检测网络(BL-YOLOv3)。该网络采用生成对抗网络的盲目运动去模糊图像(DeblurGAN)增强的方法对图像进行预处理,保留图像中超高质量的纹理信息并生成接近于真实场景的清晰图像。同时对YOLOv3网络进行裁剪压缩,优化对模糊目标的检测。实验结果表明,该方法有效地提升了模糊目标检测精度,在输入尺寸为416×416时检测速度可达42帧/s,mAP准确率达到了75.48%,在实际汽车防碰撞预警实时视频测试中取得较好的效果。展开更多
文摘针对模糊目标检测,提出一个基于生成对抗网络去模糊网络模块(Deblur)与YOLO(You Only Look Once)实时检测算法的检测网络(BL-YOLOv3)。该网络采用生成对抗网络的盲目运动去模糊图像(DeblurGAN)增强的方法对图像进行预处理,保留图像中超高质量的纹理信息并生成接近于真实场景的清晰图像。同时对YOLOv3网络进行裁剪压缩,优化对模糊目标的检测。实验结果表明,该方法有效地提升了模糊目标检测精度,在输入尺寸为416×416时检测速度可达42帧/s,mAP准确率达到了75.48%,在实际汽车防碰撞预警实时视频测试中取得较好的效果。
