안개 낀 날씨에서 도로 물체 인식을 위한 Defog YOLO

요약 물체 인식 연구는 주로 맑은 날씨 조건에 중점을 두고 있으며, 종종 안개 낀 날씨가 초래하는 도전을 간과합니다. 안개는 탑재 카메라의 시야를 방해하여 자율주행 차량에 상당한 장애물을 만듭니다. 이러한 문제를 해결하기 위해, 우리는 안개가 낀 조건에서 도로 물체 인식을 위해 특별히 설계된 Defog YOLO 알고리즘을 제시합니다. 우리의 접근 방식은 시각적 디포깅을 위한 향상된 U-Net 프레임워크를 통합하며, 인코더는 다층 기능을 결합하기 위해 초해상도 역 투영을 활용합니다. 디코더는 이미지 복원을 개선하기 위해 역 투영 피드백 메커니즘을 사용합니다. 또한, 우리는 노이즈 인식 주의 메커니즘을 적용하여 Feature Pyramid Network를 증강하여 네트워크가 노이즈를 완화하면서 중요한 채널 및 공간 정보를 강조할 수 있도록 합니다. 레이블이 붙은 안개 이미지의 부족을 감안하여, 우리는 보다 다양한 훈련 데이터 세트를 생성하기 위한 안개 추가 모듈을 도입합니다. 우리는 VOC 데이터 세트에서 파생된 합성 FOG-TRAINVAL 데이터 세트를 사용하여 방법을 검증하며, 안개가 끼는 상황에서의 강건성을 입증합니다. 실험 결과, 제안된 방법이 실제 환경에서 과제가 주어진 테스트 세트의 안개 날씨 테스트 세트에서 60%의 mAP 점수를 달성하며, 정밀도는 86.7%, 재현율은 54.2%로 나타났습니다. 이러한 결과는 불리한 날씨 조건에서 물체 인식에 대한 우리의 접근 방식의 효과성과 개선된 일반화를 강조합니다.