Las imágenes en ambientes con niebla tienen bajo contraste, los objetos en la imagen son borrosos y la extracción de sus características es difícil. Los métodos actuales de detección de objetos tienen una precisión baja en imágenes con niebla. Para abordar este problema, este artículo mejora la parte de extracción de características y la cabeza de predicción en el marco Double-Head. Primero, se añade un mecanismo de atención compuesto de doble dimensión, canal y espacial, en los mapas de características profundas extraídas para mejorar la capacidad de la red para centrarse en objetos significativos; segundo, la imagen original se fusiona con la matriz previa obtenida y procesada mediante un canal oscuro mejorado y los mapas de características para obtener una información más completa de las características de las imágenes con niebla; finalmente, se introduce una convolución separable en la cabeza de predicción, utilizando una cabeza de predicción desacoplada para la clasificación y regresión final de los objetos. Este método alcanzó un mAP de 49.37% en el conjunto de datos RTTS, y valores AP de 66.7% y 57.7% en los conjuntos sintéticos S-KITTI y S-COCOval respectivamente. En comparación con otros algoritmos principales, este método ofrece una mayor precisión en la detección de objetos.

detección de objetos;imágenes con niebla;prior del canal oscuro;mecanismo de atención;fusión de características