高速道路のトンネルなどの弱光環境では、取得した車両画像が外部要因の影響を大きく受けるため、車両検出の精度が低くなります。この問題に対して、改良されたYOLOxアルゴリズムに基づく弱光環境における車両リアルタイム検出方法を提案します。まず、ガイドフィルタリングと領域エネルギー特性融合基準に基づいて取得した車両画像を強調し、画像中の照明ムラや対象輪郭情報のぼやけなどの問題を解決します。次に、Swin-Transformerネットワーク構造に基づいて改良YOLOxの車両検出アルゴリズムのバックボーンネットワークを構築し、Transformerのグローバルモデリング能力を利用して画像内の重要な意味情報を符号化し、ネットワークの細部特徴抽出能力を強化します。同時に、ネックネットワークに再帰ゲート畳み込みを導入して空洞畳み込みを置き換え、ネットワークの高レベル意味モデリング能力を向上させます。最後に、畳み込み注意機構を導入し、低照度画像の重要な特徴の抽出と融合を強化します。構築したトンネル車両検出データセットUA-DETTUNで実験を行い、その結果、提案手法の平均検出精度は96.1％に達し、改良前のYOLOxアルゴリズムに比べて6.5％向上し、同時にネットワークの検出速度はリアルタイム検出の要求を満たしており、車両検出において高い応用価値を持つことが示されました。

弱光環境;Swin-Transformer;車両検出;画像強調;注意機構