深度学习方法用于有效的雾检测

摘要 确保道路安全的主要挑战之一是有效地警告驾驶员不良天气条件，例如雾，这会严重影响能见度并增加事故风险。及时准确的雾检测对于为驾驶员提供必要的警告以调整驾驶行为和提高安全性至关重要。本文提出了一种旨在检测雾天气场景并分类能见度水平的系统，从而为驾驶员提供及时的警报，以减少因能见度降低而带来的风险。为此，我们开发了两个新的道路雾场景图像数据集——Foggy‐Ceit 2023和Foggy CityScapes数据集的扩展版——包含真实和合成的雾。此外，我们比较了使用经典视觉技术和深度学习方法（视觉变换器ViT和EfficientNet）开发的各种算法。最后，利用可解释人工智能技术提供可视化解释并评估这些模型的性能.