При наличии тумана контрастность изображения низкая, цели на изображении размыты, и извлечение их признаков затруднено. Существующие методы обнаружения объектов показывают низкую точность на туманных изображениях. В данной работе на основе архитектуры Double-Head выполнены улучшения в части извлечения признаков изображения и головки предсказания. Во-первых, к извлечённым глубоким картам признаков добавлен комплексный механизм внимания по каналам и пространству, что повышает способность сети фокусироваться на заметных объектах; во-вторых, исходное изображение объединяется с улучшенным предварительным знанием тёмного канала, а также с обработанной предварительной матрицей и картой признаков для получения более полной информации о признаках туманных изображений; наконец, в головку предсказания введён сепарабельный свёрточный слой с использованием декуплированной головки для финальной классификации и регрессии объектов. Метод показал mAP 49.37% на датасете RTTS, значения AP составили 66.7% и 57.7% на синтетических датасетах S-KITTI и S-COCOval соответственно. По сравнению с другими основными алгоритмами, предложенный метод обладает более высокой точностью обнаружения объектов.

обнаружение объектов;туманные изображения;предварительное знание тёмного канала;механизм внимания;слияние признаков