数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：4415 标注数量(xml文件个数)：4415 标注数量(txt文件个数)：4415 标注类别数：5 标注类别名称:["bicycle","bus","car","motorbike","person"] 每个类别标

论文地址：3D Object Detection with SLS-Fusion Network in Foggy Weather Conditions 论文代码：https://github.com/maiminh1996/SLS-Fusion 论文摘要 摄像头或激光雷达（光检测和测距）等传感器的作用对于自动驾驶汽车的环境意识至关重要。然而，在雾、雨、雪等极端天气条件下，从这些传感器收集的数

雾天车辆行人检测在多种场景中扮演着至关重要的角色。以下是其作用的几个主要方面： 安全性提升：雾天能见度低，视线受阻，这使得驾驶者和行人在道路上的感知能力大大降低。通过车辆行人检测技术，可以在雾天条件下及时发现道路上的其他交通参与者，从而提前做出反应，避免潜在的危险，提升驾驶和行走的安全性。辅助驾驶：在雾天，驾驶者往往难以准确判断前方道路的情况，包括其他车辆和行人的位置、速度和方向等。车辆行人检测

💡💡💡本文独家改进：本文提出了一种新型轻量级的实时监测算法，通过MobileViT魔改整个backbone，最后提出两个改进版本，YOLOv8_MobileViT和YOLOv8_MobileViT-p2两个版本 💡💡💡YOLOv8s进行对比，GFLOPs从原始的28.6降低至17.3和21.4 layers parametersGFLOPskbyolov8s

目录 前言 国内外研究现状 图像去雾算法的研究