26年WP网络工程 基于YOLO的恶劣天气交通场景多目标检测系统的设计与开发23.78-AI62.06-约28839字符-全日制.pdf

WHKJ大学本科毕业论文 I 摘 要 近年来，智能交通系统和自动驾驶技术发展迅速，环境感知作为其核心技术之一，对行车安全起着决定性作用。然而，在雨、雪、雾、霾等恶劣天气条件下，容易导致光学图像出现对比度降低、纹理细节丢失、光线散射及噪声干扰等问题，严重退化图像质量，使得行人、车辆等关键目标变得模糊不清，严重干扰行人及车辆检测，带来交通安全隐患。因此，研究在复杂天气环境下仍具备较高鲁棒性的目标检测方法，具有重要的理论意义和实际价值。 传统目标检测模型在特征提取过程中，往往难以从退化图像中获得有效信息，因此漏检与误检的概率均明显升高...