摘要： 为提高雾霾天气下交通标志识别的准确性，提出一种改进生成对抗网络（GAN）的雾霾天气交通标志识别算法。该算法主要分为 2个部分：第1 部分是多尺度GAN 的图像去雾，在生成器中增加多尺度卷积和感知损失函数，多尺度卷积有利于提取特征，感知损失可以在图像的深度特征上保留内容、风格等高级语义信息，使去雾效果更符合人眼对图像质量的感受；第 2 部分是交通标志识别，在原有YOLOX-S 模型的基础上增加感受野更小的160 x 160检测层来降低小尺度交通标志的漏检率，其次在主干网络中增加坐标注意力（CA）机制强化特征网络。实验结果表明，提出的去雾模型具有较好的效果，评价指标PSNR和SSIM的结果都优于其他代表性算法；交通标志识别算法与原模型进行比较，准确率、mAP值、召回率分别提高了2%、4%和7%，验证了模型的有效性。

关键词: 多尺度卷积；交通标志；感知损失；YOLOX；注意力机制

中图分类号: 

• TP391.41