【技术实现步骤摘要】
本申请涉及一种基于yolov8改进的偏振图像道路目标检测方法，属于偏振图像目标检测领域。
技术介绍
1、目标检测在图像处理和计算机视觉研究中被认为是最重要的任务之一。道路场景分析是自动驾驶和adas系统的一项基本任务，但是当能见度发生变化时还需要一些改进，特别在雾霾等恶劣环境下使用普通的光学成像很难完成目标检测任务。偏振图像与可见光相比，偏振图像反映的是物体的偏振信息，偏振图像受成像环境的影响较小。但是目前卷积神经网络目标检测应用于偏振图像领域的研究却不多，且在恶劣条件下现有的基于可见光的目标检测方法的检测精度不足，影响道路场景的分析。
技术实现思路
1、本申请的目的在于提供一种基于yolov8改进的偏振图像道路目标检测方法，在恶劣天气条件下偏振图像目标检测的精度更高，更符合自动驾驶的场景分析需要。
2、为实现上述目的，本申请第一方面提供了一种基于yolov8改进的偏振图像道路目标检测方法，包括：
3、获取偏振图像数据集并对所述偏振图像数据集进行预处理，将预处理后的...
【技术保护点】
1.一种基于YOLOv8改进的偏振图像道路目标检测方法，其特征在于，包括：
2.如权利要求1所述的偏振图像道路目标检测方法，其特征在于，所述将测试集输入至所述目标网络模型中进行测试之后还包括：
3. 如权利要求1所述的偏振图像道路目标检测方法，其特征在于，所述通过可变形卷积模块DCN v2构建第一C2f模块，通过重参数模块DBB构建第二C2f模块，结合卷积注意力机制模块CBAM和损失函数模块Wise IoU对YOLOv8进行改进包括：
4. 如权利要求3所述的偏振图像道路目标检测方法，其特征在于，所述第一C2f模块包括：依次连接的卷...
【技术特征摘要】
1.一种基于yolov8改进的偏振图像道路目标检测方法，其特征在于，包括：
2.如权利要求1所述的偏振图像道路目标检测方法，其特征在于，所述将测试集输入至所述目标网络模型中进行测试之后还包括：
3. 如权利要求1所述的偏振图像道路目标检测方法，其特征在于，所述通过可变形卷积模块dcn v2构建第一c2f模块，通过重参数模块dbb构建第二c2f模块，结合卷积注意力机制模块cbam和损失函数模块wise iou对yolov8进行改进包括：
4. 如权利要求3所述的偏振图像道路目标检测方法，其特征在于，所述第一c2f模块包括：依次连接的卷积conv模块、split模块，n个并行连接的dcn v2_bottleneck模块以及卷积conv模块，其中，所述dcn v2_bottleneck模块包括两层可变形卷积模块dcn v2；
5.如权利要求3或4所述的偏振图像道路目标检测方法，其特征在于，所述目标特征提取网络中包括3个第一c2f模块，每个所述第一c2f模块后加入所述卷积注意力机制模块cbam。...
【专利技术属性】
技术研发人员：刘建华，文瀚，陈广秋，范大祥，刘秉坤，柏浩源，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。