Để thực nghiệm bài toán “Tìm hiểu phương pháp phát hiện đối tượng trong không ảnh chứa sương mờ”, nhóm tiến hành thực hiện hai luồng thực nghiệm như sau: 394633 17491 10787 194705 3703 1080 0 50000 100000 150000 200000 250000 300000 350000 400000 450000
car truck bus
30
• Huấn luyện mô hình phát hiện đối tượng trên bộ dữ liệu nguyên bản không qua xử lý khử sương mờ.
• Huấn luyện mô hình phát hiện đối tượng trên bộ dữ liệu được áp dụng phương pháp khử sương mờ FFA-Net như Hình 3-5.
Hình 3-5: Kiến trúc thực nghiệm. Ảnh chứa sương mờ thông qua FFA-Net để khử sương mờ sau đó trở thành đầu vào của mô hình phát hiện đối tượng.
Kiến trúc này bao gồm 2 công đoạn chính:
• Khử sương mờ: Nhóm dùng phương pháp the-state-of-the-art (SOTA) để khử sương trong ảnh là FFA-Net. Vì một số điều kiện không cho phép (không đủ thời gian và khả năng xây dựng bộ dữ liệu huấn luyện cho ra kết quả tốt như bộ dữ liệu RESIDE Outdoor Training Set (OTS) mà tác giả đã sử dụng) nên nhóm sử dụng mô hình đã được huấn luyện trên bộ dữ
31
liệu RESIDE Outdoor Training Set (OTS) được cung cấp bởi tác giả. Dữ liệu đầu vào củaFFA-Net là không ảnh có chứa sương mờ với tần suất không đồng đều và đầu ra là không ảnh đã được khử sương với kích thước và độ phân giải không đổi
• Phát hiện đối tượng: Ở nghiên cứu lần này nhóm sử dụng phương pháp PAA (Probabilistic Anchor Assignment with IoU Prediction for Object Detection) để thực hiện phát hiện đối tượng.
Sau khi huấn luyện xong hai mô hình, nhóm sẽ kiểm tra mô hình trên tập dữ liệu kiểm tra nguyên bản (không qua xử lý khử sương mờ) để quan sát kết quả cũng như đưa ra được một số cải tiến cho phương pháp phát hiện đối tượng mà nhóm sử dụng.