摘要
في بيئات الإضاءة المنخفضة مثل أنفاق الطرق السريعة، تتأثر صور المركبات المجمعة بالعوامل الخارجية بشكل كبير، مما يؤدي إلى انخفاض دقة اكتشاف المركبات. لمواجهة هذه المشكلة، تم اقتراح طريقة كشف مركبات في الوقت الحقيقي في بيئات الإضاءة المنخفضة تعتمد على تحسين خوارزمية YOLOx. أولاً، تم تعزيز صور المركبات المجمعة استناداً إلى الترشيح المرشد ومعيار دمج خاصية طاقة المنطقة، لحل مشاكل الإضاءة غير المتجانسة وتشويش معلومات حدود الأهداف في الصور. ثانيًا، استُخدم هيكل شبكة Swin-Transformer لبناء شبكة العمود الفقري لخوارزمية كشف المركبات المحسّنة YOLOx، مع الاستفادة من قدرة النمذجة العالمية لـ Transformer لترميز معلومات الدلالة الرئيسية في الصور، وتعزيز قدرة الشبكة على استخراج الميزات التفصيلية. في الوقت ذاته، تم إدخال التفاف بوابات التكرار في شبكة الرقبة بدلاً من الالتفافات المتقطعة لتحسين قدرة النمذجة الدلالية العليا للشبكة. وأخيرًا، تم إدخال آلية الانتباه الالتفافي لتعزيز استخراج ودمج الميزات الرئيسية في الصور منخفضة الإضاءة. وأُجريت تجارب على مجموعة بيانات كشف المركبات في الأنفاق UA-DETTUN التي تم بناؤها، وأظهرت النتائج أن دقة الكشف المتوسطة للطريقة المقترحة بلغت 96.1٪، بزيادة 6.5٪ مقارنة بخوارزمية YOLOx المحسّنة قبل ذلك، وفي الوقت نفسه، سرعة الكشف للشبكة تلبي متطلبات الكشف في الوقت الحقيقي، مما يجعلها ذات قيمة تطبيقية عالية في كشف المركبات.
关键词
بيئات إضاءة منخفضة;Swin-Transformer;كشف المركبات;تعزيز الصور;آلية الانتباه
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website