TG-YOLOv11：运用先进的深度学习技术提升恶劣天气下自动驾驶车辆的实时物体检测能力

《Digital Signal Processing》：TG-YOLOv11: Enhancing Real-Time Object Detection for Autonomous Vehicles in Adverse Weather Using Advanced Deep Learning Techniques

　　刘照辉|张佳旭|张晓军|宋洪乐
中国山东省青岛市山东科技大学交通学院，266590

摘要
在自动驾驶领域，车载视觉物体检测对于实现实时环境感知至关重要。然而，雨、雾、雪等恶劣天气条件会显著降低检测精度，尤其是对小型、远距离及被遮挡目标的检测。本研究提出了一种新的物体检测框架TG-YOLOv11，旨在提升视觉传感器在恶劣天气环境中的鲁棒性与检测精度。该框架在YOLOv11架构的基础上，整合了多项创新技术，包括用于改进多尺度特征提取的FasterNet-FC骨干网络、用于动态上下文信息建模的DINet架构，以及用于优化边界框回归的WIoU损失函数。这些技术的结合有效弥补了传统物体检测系统的不足，尤其在复杂多变的交通场景中表现优异。实验结果表明，相较于YOLOv11等基线模型，TG-YOLOv11在平均精度均值、精确度及召回率方面表现更优，且在雾天、雨天和雪天条件下对小型物体及远距离目标的检测能力有显著提升。此外，该模型在嵌入式设备上仍能保持高检测精度，适合用于自动驾驶车辆的实时部署。这些研究结果表明，TG-YOLOv11有望提升自动驾驶系统在恶劣环境条件下的安全性与可靠性。

1. 引言
随着智能交通系统及自动驾驶技术的快速发展，视觉感知已成为保障复杂交通环境安全与提升效率的核心技术之一。作为视觉感知中的关键任务，物体检测直接影响到路径规划、决策控制等后续功能的可靠性[1][2]。但在实际应用中，雾、雨、雪等恶劣天气条件仍是物体检测面临的重大挑战。这些天气因素会严重降低图像质量，导致图像模糊、对比度下降且噪声增加，进而削弱传统物体检测框架的鲁棒性[3][4]。在能见度较低的环境中，准确检测车辆和行人尤为重要，因为检测失败可能直接引发交通安全事故[5]。

近年来，基于卷积神经网络（CNN）的物体检测方法——如Faster R-CNN[6]、YOLO系列[7]以及SSD[8]——在常规场景下取得了显著进展，能够在检测精度与实时性能之间实现较好的平衡。然而，当能见度大幅下降时，这些模型往往难以有效保留物体的边缘和纹理特征，从而导致物体边界模糊、小型目标遗漏以及类别识别错误。此外，汽车平台对实时性的严格要求意味着复杂或参数过多的检测模型容易产生推理延迟问题。因此，如何在恶劣天气条件下提升检测模型的鲁棒性，同时保持较高的推理效率，已成为智能驾驶视觉系统面临的关键挑战。

为解决这些难题，本研究基于最新的YOLOv11[9]架构，提出了一种改进的物体检测框架TG-YOLOv11，以应对恶劣环境条件带来的挑战。其核心创新点如下：（1）引入FasterNet-FC骨干网络，该网络通过动态感受野建模与共享卷积机制，提升了对小型及远距离目标的检测能力。借助多尺度扩张卷积与权重共享策略，FasterNet-FC能够在有效减少参数冗余的同时实现高效的特征提取，尤其适用于复杂交通场景中的目标检测，从而解决了YOLOv11在检测小型和远处物体特征方面的缺陷。（2）设计DINet（动态信息网络），该网络通过优化上下文信息建模，增强了模型在复杂多变环境中的鲁棒性。借助动态特征融合机制，DINet实现了跨尺度信息的优化共享，提升了模型的适应性，弥补了YOLOv11在多尺度特征整合方面的不足。（3）引入WIoU损失函数，该函数解决了传统IoU损失函数存在的梯度消失问题，以及在预测边界框与真实边界框无重叠时的检测缺陷。通过加权优化形状和距离误差，WIoU显著提升了边界框匹配精度，尤其是在恶劣天气条件下，有效解决了YOLOv11在无重叠情况下预测精度下降的问题。

综上所述，本研究提出的TG-YOLOv11框架通过整合FasterNet-FC骨干网络与DINet架构，显著提升了YOLOv11物体检测算法的多尺度特征建模能力。结合动态特征融合机制，该框架进一步增强了上下文信息建模能力。此外，WIoU损失函数的引入有效解决了传统IoU损失函数在无重叠场景下的梯度更新问题，大幅提升了边界框预测性能，尤其对小型物体及复杂背景下的目标检测效果更为出色。本研究的整体研究框架与方法路线如图1所示。

下载：下载高分辨率图片（452KB）
下载：下载全尺寸图片
图1. 研究方法概述。

2. 相关工作
2.1 传统的基于CNN的物体检测方法
过去十年间，卷积神经网络推动了物体检测领域的快速发展。典型的方法包括基于区域提议的Faster R-CNN、单阶段SSD以及高效的YOLO系列。这些框架在天气良好或照明理想的条件下，能够在检测精度与实时性能之间实现良好平衡。然而，在雾、雨、雪等恶劣天气条件下，图像对比度下降且噪声增加，会损害高级特征提取过程中的边缘和纹理表达，导致物体边界模糊、小型目标遗漏。此外，基于锚点的检测器在低对比度环境中将锚点框与真实物体匹配时，其定位精度也会出现明显下降[10][11]。尽管无锚点模型在一定程度上提升了定位精度，但它们在复杂天气条件下仍面临保持边缘特征的同时实现快速推理的挑战。

2.2 基于Transformer的检测模型
随着视觉Transformer的快速发展，物体检测框架逐渐转向基于注意力机制的架构。RT-DETR[12]和DINO[13]等典型模型能够在大范围感受野内建模全局依赖关系，从而在复杂背景下实现更强的语义一致性。尽管这类模型在多类检测场景中表现优异，但其庞大的计算需求和高训练成本给车载系统的实时推理带来了巨大挑战，会导致不可接受的延迟。此外，在对比度严重下降或边缘模糊的情况下，这些模型往往过度依赖全局上下文，从而降低了其捕捉局部结构特征（如车辆轮廓和行人边界）的能力。

2.3 针对恶劣天气条件的检测与增强方法
针对恶劣天气条件下的物体检测研究主要分为两大类：（1）基于图像增强或去雾的预处理方法；（2）对检测模型架构的改进。前者以TransWeather[14]、MSNet[15]等基于物理原理的增强算法为代表，虽然能够提升图像可见度，但不可避免地会增加计算负担。后者包括DAGL-Faster R-CNN[16]、PC-YOLO[17]和YOLOv8-ASF[18]等，通过领域自适应、特征解耦或多尺度融合机制提升模型鲁棒性。不过，这类模型通常需要更复杂的特征金字塔或多分支推理结构，从而影响实时性能。

近期的一些研究还着眼于两个关键问题：小型物体检测与低照明环境下的鲁棒性。例如，DU等人[19]通过集成空间到深度（SPD）模块和选择性核注意力机制，提升了YOLOv8在复杂背景下检测小型交通标志的能力，在CCTSDB和TT100K数据集上取得了显著的mAP50提升。另外，LI等人[20]提出了一种具有分层特征调制的抗光照干扰特征提取器，能够生成与光照条件无关的特征表示，从而在ExDark和DARK FACE等基准测试的低光条件下提升了检测性能。这些研究体现了人们为提升小型或低能见度目标特征提取能力所做的持续努力，为评估恶劣条件下的新型检测架构提供了重要参考。

2.4 本文的贡献
TG-YOLOv11中的这些创新模块相互互补：FasterNet-FC提升了特征提取能力，DINet增强了多尺度与上下文融合效果，而WIoU损失函数则优化了物体定位精度。通过这三个核心模块的协同作用，TG-YOLOv11在复杂环境中不仅保持了实时推理能力，还提升了检测精度，解决了YOLOv11在精度与速度之间的平衡问题。实验结果表明，相较于YOLOv11及其他主流检测方法，TG-YOLOv11在小型物体检测、远距离目标定位以及边界框回归精度方面表现更优，尤其在恶劣天气条件下优势更为明显。其出色的鲁棒性与适应性使其成为自动驾驶视觉系统实际应用中的理想选择。

3. 方法
3.1 FasterNet-FC：提升YOLOv11的骨干网络
YOLOv11中的原始SPPF模块通过多尺度池化生成特征表示，并通过特征拼接增强语义信息。但该设计在感受野建模与计算效率方面存在明显缺陷，尤其是在检测小型和远处目标时表现不佳。为解决这些问题，本研究用共享卷积特征金字塔（FPSC）模块替换了YOLOv11骨干网络中的SPPF模块。新引入的FPSC模块结合了多尺度扩张卷积与权重共享策略，从而提升了感受野的适应性，同时减少了参数冗余。这有效地解决了SPPF在处理复杂任务时的性能瓶颈，如图2所示。

下载：下载高分辨率图片（150KB）
下载：下载全尺寸图片
图2. FPSC模块结构。

FPSC模块采用渐进式多尺度感受野建模策略，通过三种不同扩张率（d∈{1,3,5}）的扩张卷积分支提取多级特征。具体而言，小尺度感受野（d=1）用于捕捉局部纹理，非常适合检测被遮挡的目标；中等尺度感受野（d=3）用于建模上下文信息，增强目标与背景之间的关系；大尺度感受野（d=5）则用于捕捉场景级信息，从而在能见度较低的条件下提升识别性能。与SPPF层中的固定池化操作相比，FPSC的动态感受野建模在复杂环境中的表现更为优异。各尺度下的有效感受野大小可通过公式（1）计算：

(1) Rdilated = Rkernel + (Rkernel?1)·(d?1)

其中，Rkernel为卷积核大小（例如当其为3×3时，Rkernel=3），d为扩张率，Rdilated则为扩张卷积的感受野大小。

此外，为控制参数增长，FPSC模块在具有不同扩张率的卷积分支之间引入了权重共享机制。这一机制有效避免了传统多分支结构中常见的线性参数膨胀问题，因为在传统结构中各卷积核是独立训练的。公式（2）和（3）分别描述了独立训练与权重共享条件下的参数数量：

(2) Paramsindependent = K2·Cin·Cout·n
(3) Paramsshared = K2·Cin·Cout

其中，K为核大小，Cin和Cout分别表示输入通道数与输出通道数，n为分支数量。

关于权重共享是否会限制模型表达多尺度模糊特征的能力，实际上权重共享并不会限制这一点。相反，通过在不同的扩张卷积之间使用共享卷积核，模型能够学习到一致且稳定的特征，这些特征在不同尺度下都能保持稳定。这使得模型更能适应由雨、雪、雾等恶劣天气引起的图像模糊问题。不同扩张率下的共享卷积核所促进的特征一致性，确保了模型提取的特征在不同尺度上具有一致性，从而有效解决了多尺度模糊特征表示的难题。

此外，权重共享机制还起到一种结构正则化的作用，防止模型过度依赖细微的细节特征，而是促使模型关注在不同尺度下都保持稳定的高级、鲁棒特征。这种正则化有助于降低模型过拟合于噪声或特定尺度特征的风险，确保即使在图像质量因恶劣天气而受损的情况下，模型仍能保持较强的鲁棒性并维持高性能。

为进一步提升运行效率，本研究还将FasterNet[21]架构整合到YOLOv11的骨干网络中，从而形成了本文提出的创新网络架构——即FasterNet-FC骨干网络。FasterNet-FC不仅保留了原有FasterNet的高效率，还显著提升了特征提取能力与计算性能，如图3所示。该架构结合了多尺度扩张卷积、权重共享机制以及部分卷积（PConv）技术，从而提升了对多尺度目标的表征能力，能够更好地满足复杂场景下的检测需求。

下载：下载高分辨率图片（257KB）
下载：下载全尺寸图片
图3. FasterNet-FC网络的架构图。

3.2 DINet：动态信息网络
尽管YOLOv11在检测速度与整体性能方面表现优异，但在多尺度特征建模与上下文信息传播方面存在明显局限，尤其是在复杂背景和恶劣天气条件下，该模型在检测小型及远距离目标时表现较差。为解决这些问题，本研究通过改进YOLOv11的Neck框架，提出了一种新的网络架构DNet。DNet专为克服YOLOv11在多尺度特征提取与融合方面的缺陷而设计，其核心理念是基于一种特征扩散机制，该机制可优化跨尺度上下文信息的共享与表示。如图4所示，DNet的架构采用了特征聚焦与扩散策略，以实现强大的多尺度特征传播。下载：下载高分辨率图像（167KB）下载：下载全尺寸图像图4. DNet的结构。然而，研究团队进一步的实验结果表明，DNet架构在小型物体检测和复杂背景建模方面仍表现不佳。为解决这些限制，本研究将HCFNet[22]中的DASI模块整合到DNet框架中，从而形成了全新的DINet架构。DASI模块采用维度自适应选择机制，动态调整高低维特征之间的融合比例，显著提升了特征建模的灵活性与稳健性。该模块的详细结构如图5所示。下载：下载高分辨率图像（181KB）下载：下载全尺寸图像图5. DASI模块的详细结构。具体而言，DASI模块首先对高级特征xh应用膨胀卷积（3×3核的膨胀率为3），将其下采样至目标尺度；低级特征xl则通过双线性插值上采样，随后通过1×1卷积统一通道维度。同样，中间特征x也通过1×1卷积进行压缩，以降低通道维度。这三组特征随后被划分为四个子通道组，其计算过程如方程(4)所示：(4)x=Concat(x0,x1,x2,x3)，xi∈RC4×H×W。DASI模块根据输入的上下文层次结构，通过以下特定策略动态组合信息：若仅有x和xl，则将子通道组xi和xl,i沿通道维度拼接，再通过1×1卷积进行融合；若有x和xh，则同样拼接并融合xi和xh,i；若三者齐全，则每个子通道组都会整合低、中、高三个尺度的特征。在三方融合过程中，特征选择由自适应门控机制调控。例如，在中间层和高层，拼接后的特征xi和xh,i会经过Sigmoid函数处理，生成融合权重α∈[0,1]，如方程(5)所示：(5)α=σ(Conv1×1([xi,xh,i]))。最终融合特征则根据方程(6)计算得出：(6)x?i=α·xl,i+(1?α)·xh,i。将四个融合后的子特征拼接后，再通过逐点卷积降低通道维度。之后，该结果通过残差连接与原始中间层特征结合，经过归一化与激活处理后生成最终输出。整个计算过程如方程(7)所示：(7)y=SiLU(BN(xskip+Conv1×1([x?0,x?1,x?2,x?3])))。总之，本节首先基于特征扩散机制提出了DINet架构，以解决YOLOv11在多尺度建模与上下文信息传递方面的缺陷，随后又通过整合DASI模块进一步优化，构建了完整的DINet框架。如图6所示，这种设计实现了更灵活高效的跨尺度特征融合与上下文建模，为在复杂场景下提升物体检测性能奠定了坚实的架构基础。下载：下载高分辨率图像（213KB）下载：下载全尺寸图像图6. DINet的整体架构。3.3. WIoU损失函数：改善恶劣天气下的IoU值在车载视觉任务中，物体检测需应对光线反射、遮挡以及雨、雾、雪等恶劣天气条件带来的对比度下降等问题。这些因素严重限制了传统IoU损失函数在边界框回归任务中的优化能力。IoU损失函数的基本原理如图7所示。下载：下载高分辨率图像（82KB）下载：下载全尺寸图像图7. 损失函数原理。传统的IoU损失函数（LIoU）是物体检测中广泛使用的指标，用于衡量预测边界框与真实边界框之间的重叠程度，其正式定义如方程(8)所示：(8)LIoU=1?IoU=1?WiHiSu，其中Wi和Hi分别代表预测边界框的宽度与高度，Su则表示预测边界框与真实边界框的并集面积。如图7所示，尽管IoU损失函数的形式简单直观，但在非重叠场景下存在明显缺陷。 Specifically，当预测边界框与真实边界框没有重叠时，梯度会消失，导致模型无法获得有效的优化信号。这一问题在方程(9)中有正式描述：(9)?LIoU?Wi={?Hi·IoU+1Su，Wi>0；0，Wi=0}为解决这一问题，先前的研究提出在损失函数中加入额外的惩罚项，从多个维度补充优化过程，比如边界框形状和中心点距离等。整体损失函数的表达式如方程(10)所示：(10)Li=LIoU+Ri。不过，尽管这类附加优化能够缓解梯度消失问题，但它们无法有效提升非重叠场景下的边界框形状匹配与中心点定位能力。为从根本上提升基于IoU的方法的优化能力，本研究引入了WIoU[23]损失函数，该函数通过整合形状误差和距离误差分量，动态调整预测边界框与真实边界框之间的匹配精度。WIoU损失函数的正式定义如方程(11)所示：(11)WIoU=1?(IoU?λ·Shapeerror?γ·Distanceerror)，其中Shapeerror用于衡量预测边界框与真实边界框的宽高比差异，Distanceerror则用于衡量两者中心点之间的距离误差。其计算过程如方程(12)和(13)所示：(12)Shapeerror=|wp?wt|/wt+|hp?ht|/ht；(13)Distanceerror=(xp?xt)2+(yp?yt)2。权重因子λ和γ可用于根据实时环境条件与任务复杂度，动态调整形状误差和距离误差的贡献程度。在恶劣天气场景下——比如在雨天或雾天检测远距离或被遮挡的目标时——γ的值会自动增大，以加强对应中心点回归的约束。而在雪天环境中，由于形状特征更容易出现变形，λ的值会动态升高，以优化预测边界框的形状匹配能力。这种动态调整确保了λ和γ并非固定不变，而是能根据不同天气条件带来的特定挑战进行调整。为进一步说明两种损失函数的性能差异，图10展示了YOLOv11中使用的原始CIoU损失函数与所提出的WIoU损失函数之间的定量对比，重点分析了训练集与验证集中各关键损失值（box_loss、dfl_loss、cls_loss）的变化情况。结果表明，与CIoU（蓝色曲线）相比，WIoU损失函数（橙色曲线）在训练过程中的收敛速度更快，损失值更低，尤其是在box_loss和cls_loss方面改进尤为明显。在训练集中，WIoU损失曲线的下降趋势更为陡峭，显示出其在优化边界框与目标的对齐程度以及分类精度方面的更强效率。即使在验证集中，虽然dfl_loss的数值两者之间差异相对较小，但WIoU在边界框损失和分类损失方面仍优于CIoU。这些结果表明，WIoU损失函数能够实现更精准的目标定位与分类优化，尤其适用于恶劣天气条件下的车载物体检测任务。下载：下载高分辨率图像（396KB）下载：下载全尺寸图像图8. WIoU的实验结果。下载：下载高分辨率图像（526KB）下载：下载全尺寸图像图9. TG-YOLOv11网络架构。下载：下载高分辨率图像（702KB）下载：下载全尺寸图像图10. 数据集中的样本图像。WIoU损失函数的设计有效解决了CIoU及其变体固有的核心缺陷。在恶劣天气条件下，WIoU通过整合形状误差和距离误差分量，提供了有意义的梯度信号，从而避免了模型优化进程的停滞。形状误差项可优化预测边界框的宽高比，提升模型在弱光或低对比度环境中的稳定性，而距离误差项则会对中心点定位施加更强约束，显著提升对远距离及被遮挡目标的检测性能。3.4. TG-YOLOv11：提升恶劣天气下的物体检测能力通过整合上述各项改进，便形成了如图9所示的TG-YOLOv11网络架构。为解决YOLOv11在多尺度特征建模以及复杂场景下的稳健性方面的不足，本研究引入了FasterNet-FC主干网络，该网络通过引入多尺度感受野建模与权重共享机制，提升了特征提取能力。再结合新提出的DINet架构，后者通过动态特征融合与上下文扩散机制，进一步增强了模型在复杂环境中的稳健性，使得整个框架取得了显著提升。此外，通过用WIoU损失函数替代YOLOv11中的原始CIoU损失函数，模型可以对形状误差和距离误差进行加权优化，大幅提升了边界框回归的性能。值得注意的是，作为边界框回归损失函数时，WIoU能与DINet提取的多尺度特征协同作用，使预测结果与真实边界框对齐并计算损失，尤其在复杂交通场景中的小型物体检测方面，优化效果极为显著。在雨天、雾天和雪天等环境下，WIoU的形状误差和距离误差分量能有效提升对被遮挡的小目标、远距离目标以及嵌入在复杂背景中的目标的检测性能。4. 实验设置与性能评估4.1. 数据集由于主流公共数据集（如KITTI、MS COCO）中极端天气场景的样本极为稀缺，且存在严重的“晴朗天气偏差”，这些数据集无法用于在强眩光、浓雾、大雨等严重视觉退化场景下对感知模型进行压力测试。为解决这一问题，我们专门构建了一个包含9,006张高分辨率图像的恶劣天气专用数据集，这些图像旨在覆盖雨、雾、雪三种核心的视觉退化场景。此外，该数据集还包含了城市峡谷、高速公路、隧道出口区域等多种多样且具有突然光照变化的环境场景。为减少低能见度条件下进行真实标签标注时的主观不确定性，确保标注的高可靠性，我们采用了严格的“半自动标注+多轮人工校验”流程。首先，使用具备强大召回能力的通用视觉模型进行预标注，以便捕捉那些较难检测的目标。随后进行两轮严格的人工修正，重点去除由水面反光或雨刷痕迹造成的误报，同时针对雾天和夜间雨天的场景，对目标边缘进行像素级精细化处理。这些措施确保了即使在极端天气条件下，数据集也能保持较高的实际一致性与可靠性，从而为评估TG-YOLOv11算法的特征提取能力提供了坚实的基础。该数据集按照80:10:10的比例进行划分，其中80%用于训练，10%用于验证，10%用于测试，以此确保模型性能评估的公平性与统计可靠性。数据集中的样本图像如图10所示，而图11则展示了数据在各类类别中的分布情况。下载：下载高分辨率图像（382KB）下载：下载全尺寸图像图11. 物体规模与类别分布。4.2. 实验设置与训练实验环境搭建在Windows 11操作系统上，配备了第12代Intel(R) Core(TM) i5-12400F处理器以及拥有12GB显存的全新NVIDIA GeForce RTX 3060显卡。软件栈包括Python 3.10.15、PyTorch 2.5.0和CUDA 12.1，这些组件共同保证了模型训练的高效性与稳定性。主要的深度学习框架为Ultralytics 8.3.9，它简化了训练与验证流程。在实验设置方面，输入图像会被调整为640×640像素大小，训练周期为600个 epoch，批量大小为16。完成600个训练epoch后，所提出的算法便获得了如图12所示的训练结果。下载：下载高分辨率图像（239KB）下载：下载全尺寸图像图12. 评估指标的训练性能。如图12所示，训练阶段与验证阶段的各类损失值，包括box_loss、cls_loss和dfl_loss，均呈现明显的下降趋势，并在后期趋于稳定，这表明模型正在逐步收敛。虽然验证阶段的损失值略高于训练阶段，但两者之间的差距很小，这说明模型具备较强的泛化能力，没有出现过拟合的迹象。此外，所有损失值在训练初期就能快速下降，这也证明了改进后的模型在优化边界框预测、类别分类以及分布聚合方面确实有效。这些结果充分展现了该模型强大的学习能力以及在物体检测任务中的优异性能。详细的训练结果可视化展示如图13所示。下载：下载高分辨率图像（1MB）下载：下载全尺寸图像图13. 模型训练结果的可视化展示。4.3.检测性能评估
为全面验证TG-YOLOv11模型在车载视觉物体检测任务中的有效性，采用了平均精度均值（mAP）、精确度及召回率等关键性能指标，来评估该模型在复杂场景与恶劣天气条件下的表现。表1和图14展示了其与基准YOLOv11模型的对比结果。TG-YOLOv11在mAP@50和mAP@50-95指标上的得分分别为67.0%和43.6%，这些数值反映了不同交并比阈值下的平均精度。相比YOLOv11的61.4%和39.7%，这一成绩分别提升了5.6%和3.9%，充分体现了其在物体分类与边界框定位方面的显著进步。此外，TG-YOLOv11的精确度为72.5%，较YOLOv11的68.8%高出3.7%，说明该改进模型能够在恶劣天气条件下有效减少误报。在召回率方面，TG-YOLOv11的值为61.7%，比YOLOv11的55.3%高出6.4%，进一步表明其在动态背景及远距离目标检测场景中更能减少漏检情况。

表1. 实验结果指标
模型 mAP50 mAP50-95 召回率 精确度
YOLOv11 61.4 39.7 55.3 68.8
TG-YOLOv11 67.0 43.6 61.7 72.5

下载：下载高分辨率图像（336KB）
下载：下载全尺寸图像
图14. TG-YOLOv11与YOLOv11的性能对比

4.4 消融实验
为评估TG-YOLOv11中各组件的有效性，我们在雨、雾、雪等恶劣天气条件下进行了消融实验。分析内容分为四部分：（1）整体消融结果；（2）各模块的贡献分析；（3）复杂度与实时性能；（4）恶劣天气条件下的可视化分析。实验结果见表2和图15。

表2. 消融实验结果
模型 汽车 公交车 自行车 摩托车 火车 卡车
基准(11) 73.4 85.6 42.4 57.8 51.6 58.1
Faster-FC 74.6 86.4 50.2 62.4 70.8 64.0
DINet 73.0 86.2 60.4 59.9 68.7 63.5
WIoU 72.6 84.9 59.3 55.9 68.4 54.0
Faster-FC+DINet 74.2 86.7 63.0 52.6 66.8 63.9
DINet+WIoU 74.5 86.4 62.3 54.6 65.8 64.4
Faster-FC+WIoU 73.0 86.3 46.5 58.9 50.7 58.8
Our 74.7 86.9 52.9 63.0 54.5 72.7

模型 mAP50 mAP50-95 精确度 召回率
参数 GFLOPs FPS
基准(11) 61.4 39.7 68.8 55.3
Faster-FC 66.0 43.9 71.2 59.8
DINet 63.9 41.5 65.7 56.9
WIoU 57.8 36.6 61.4 44.1
Faster-FC+DINet 65.1 42.4 69.0 51.4
DINet+WIoU 65.2 43.1 69.2 50.7
Faster-FC+WIoU 60.9 39.4 65.6 57.6
Our 67.0 43.6 72.5 61.7

下载：下载高分辨率图像（452KB）
下载：下载全尺寸图像
图15. 消融实验结果对比

（1）整体消融结果
如表2所示，在所有消融版本中，完整的TG-YOLOv11模型展现出最佳的整体性能。与YOLOv11基准模型相比，它的mAP50从61.4%提升至67.0%，mAP50-95从39.7%上升至43.6%，精确度从68.8%提高到72.5%，召回率则从55.3%提升到61.7%。这些提升表明，所提出的框架能够在视觉条件较差的情况下，同时提升分类的可靠性与定位的准确性。在具体类别层面，TG-YOLOv11在多个具有挑战性的交通对象类别上也取得了明显改善。例如，“公交车”的平均精度从42.4%提升至52.9%，而“火车”的平均精度则从58.1%上升至72.7%。这类对象在恶劣天气下往往容易受到远距离观测、部分遮挡、低对比度以及物体边界模糊等因素的影响。实验结果表明，该架构能有效增强对这类复杂交通对象的特征表达能力。

（2）各模块的贡献分析
在各单独模块中，FasterNet-FC骨干网络带来的提升最为显著。引入该模块后，mAP50从61.4%提升至66.0%，mAP50-95则从39.7%上升至43.9%。这一提升得益于其多尺度扩张卷积与轻量级特征提取策略，使得模型能够在雨、雾、雪等恶劣环境下更好地捕捉微弱纹理线索与模糊的物体轮廓。尤其是，FasterNet-FC将“公交车”的平均精度从42.4%提升至50.2%，“火车”的平均精度也从58.1%提高至70.8%，充分体现了它在处理边界不清晰的中小型交通对象时的优势。DINet则进一步提升了跨尺度的语义融合能力。单独使用DINet时，mAP50从61.4%升至63.9%，召回率从55.3%提高至56.9%。尽管其整体提升幅度小于FasterNet-FC，但它有助于在不同特征尺度间实现更稳定的上下文传递，这对于存在较大尺寸差异或部分遮挡的目标尤为重要。例如，“火车”的平均精度从58.1%提升至68.7%，说明DINet能够增强在模糊复杂场景中的跨尺度特征一致性。至于WIoU模块，单独使用时并未展现出比基准模型更好的性能——mAP50从61.4%下降至57.8%，mAP50-95则从39.7%降至36.6%。这表明，若仅替换回归损失函数，而特征表示不变，则效果有限。不过，当WIoU与强化的特征提取或特征融合模块结合使用时，其效果会显著提升。例如，DINet与WIoU结合使用后，mAP50可达65.2%，召回率为60.7%，说明在具备更强多尺度特征的支持下，WIoU能进一步提升边界框回归的稳定性。两种模块的组合进一步展现了不同组件之间的互补效应。FasterNet-FC+DINet的召回率达到了61.4%，高于单独使用FasterNet-FC或DINet时的效果，表明骨干网络的优化与动态特征融合有助于减少漏检。DINet+WIoU在定位性能方面也表现优异，mAP50-95达到了43.1%。相比之下，FasterNet-FC+WIoU并未展现出比单独使用FasterNet-FC更好的性能，这说明WIoU在与明确的跨尺度特征融合机制结合时效果更佳。总体而言，完整的TG-YOLOv11模型整合了FasterNet-FC、DINet与WIoU的优势，实现了精度、召回率与定位鲁棒性之间的最佳平衡。

（3）复杂度与实时性能
计算复杂度是车载视觉感知系统的重要考量因素。如表2所示，TG-YOLOv11的参数数量从YOLOv11基准模型的258万增加至412万，GFLOPs值则从6.3上升至9.9。这一增长主要源于FasterNet-FC与DINet的引入。不过，该模型依然保持轻量级，适合实时检测需求。在推理速度方面，TG-YOLOv11的运行速度为302.3 FPS。虽然由于额外的特征提取与融合操作，其速度略低于基准模型YOLOv11的434.4 FPS，但仍满足车载物体检测的实时性要求。考虑到恶劣天气环境对检测鲁棒性提出了更高要求，这样的计算成本与检测性能之间的权衡是可行的。实验结果表明，TG-YOLOv11在保持实时推理能力的同时，还提升了检测精度与召回率。

（4）恶劣天气条件下的可视化分析
为进一步分析所提模块的特征响应情况，我们在雾、雨、雪等恶劣天气条件下进行了热图可视化分析，如图16所示。与原有的SPPF模块相比，FPSC模块在交通对象周围产生了更集中的激活区域，这说明FPSC能更有效地抑制背景干扰，增强低能见度场景下与物体相关的特征响应。

下载：下载高分辨率图像（597KB）
下载：下载全尺寸图像
图16. 恶劣天气条件下SPPF模块与FPSC模块的热图对比

在雾天条件下，远处车辆与小型目标常常因低对比度及边界模糊而难以被准确识别。FPSC模块提升了这些区域的注意力响应，从而有助于更好地保留远处物体的特征。在雨天环境中，雨滴的遮挡与反射可能会干扰物体定位，而FPSC模块则能在目标区域周围产生更稳定的特征响应。在雪天条件下，背景反射与纹理退化往往会降低检测的置信度，但FPSC依然能够保持更清晰的以物体为中心的激活特征。图17则对比了YOLOv11的颈部结构与所提出的DINet架构在精确度、召回率及mAP方面的表现。实验结果显示，DINet在训练过程中，尤其是在后期阶段，表现更为优异，这表明其动态特征融合机制提升了多尺度信息传递的稳定性，增强了模型在复杂背景下的鲁棒性。

下载：下载高分辨率图像（362KB）
下载：下载全尺寸图像
图17. DINet与基准网络架构的性能对比

综上所述，消融实验充分证明了所提各组件的有效性与互补性。FasterNet-FC提升了在图像质量下降条件下的多尺度特征提取能力，DINet增强了跨尺度的上下文表达能力，而WIoU则在具备更强特征表示的支持下有助于优化边界框定位。因此，完整的TG-YOLOv11模型在恶劣天气条件下，不仅实现了更高的检测精度与更好的鲁棒性，同时还保持了良好的实时性能。

5. 实验结果的对比验证与讨论
5.1 与主流模型的对比
我们进行了系统的对比研究，涵盖了人物、汽车、公交车、自行车、摩托车、火车和卡车这七类目标对象，并将TG-YOLOv11与YOLOv11、YOLOv10n、YOLOv8、YOLOv5n、YOLO11-EMBC、YOLOv8-ASF、RT-DETR、Faster R-CNN以及ECL-YOLOv11等多种主流模型进行了对比。实验结果见表3与图18。评估过程中采用了mAP@50和mAP@50-95等关键指标，全面衡量了各模型的检测能力与整体性能。此外，我们还对那些具有创新性的模块进行了贡献分析，以明确它们在提升模型性能中的作用。

表3. 对比实验结果
模型 人物 汽车 公交车 自行车 摩托车 火车 卡车
我们的模型 74.7 86.9 52.9 63.0 54.5 72.7
YOLOv11 73.4 85.6 42.4 57.8 51.6 58.1
YOLOv10n 72.6 86.4 60.4 60.6 62.4 64.0
YOLOv8 73.6 86.2 60.4 62.8 59.6 62.8
YOLOv5n 70.9 84.7 40.1 57.6 60.8 60.8
YOLO11-EMBC 73.6 86.5 75.8 62.6 61.3 62.6
YOLOv8-ASF 73.5 86.4 68.8 68.7 62.4 61.5
RT-DETR 72.1 84.8 79.7 71.1 65.8 60.6
Faster R-CNN 72.8 85.1 72.5 71.9 64.4 63.3
ECL-YOLOv11 73.4 85.5 62.5 90.0 50.9 62.0

模型 mAP@50 mAP@50-95 召回率 参数 GFLOPs FPS
我们的模型 0.67 0.436 0.617 9.9 4.1 302.3
YOLOv11 0.614 0.397 0.553 6.3 2.5 434.4
YOLOv10n 0.613 0.402 0.569 6.5 3.8 385.0
YOLOv8 0.619 0.404 0.576 8.1 4.0 409.7
YOLOv5n 0.592 0.344 0.541 7.0 3.9 397.2
YOLO11-EMBC 0.620 0.400 0.626 7.2 4.2 371.5
YOLOv8-ASF 0.621 0.402 0.615 7.3 4.3 362.1
RT-DETR 0.644 0.409 0.658 7.4 4.4 317.1
Faster R-CNN 0.627 0.396 0.636 7.5 4.5 342.8
ECL-YOLOv11 0.627 0.405 0.620 7.6 4.6 330.3

下载：下载高分辨率图像（419KB）
下载：下载全尺寸图像
图18. TG-YOLOv11与主流模型在各类别上的检测性能对比

表2中的对比实验数据清楚地表明，改进后的TG-YOLOv11模型在物体检测任务中表现出显著的优势。如图15与表2所示，TG-YOLOv11在检测精度与实时处理能力两方面均持续优于各种现有先进模型，各项关键性能指标均有明显提升。具体而言，当交并比阈值为50%时，TG-YOLOv11的平均精度均值达到了0.74，比YOLOv11的0.614高出5.6%。在更为严格的mAP@50-95指标下，其得分為0.436，相较于YOLOv11的0.397提升了3.9%，体现出它在不同交并比阈值下都能更精准地定位物体。与其他模型相比，TG-YOLOv11的检测性能也远超YOLOv10n（mAP@50：0.613，mAP@50-95：0.402）、YOLOv8（0.619，0.404）、YOLOv5n（0.592，0.344）、YOLO11-EMBC（0.62，0.40）、YOLOv8-ASF（0.621，0.402）、RT-DETR（0.644，0.409）以及Faster R-CNN（0.627，0.396）、ECL-YOLOv11（0.627，0.405），在多种检测场景下都具有明显优势。

在特定类别的检测性能方面，TG-YOLOv11的表现尤为出色，尤其是对于汽车、火车、卡车这类中大型目标，其mAP得分分别为0.869、0.727和0.644。这一优异表现得益于FPSC（FasterNet-FC）模块强大的多尺度特征融合能力，它能够显著提升不同大小物体的特征提取质量。此外，TG-YOLOv11在小型物体检测方面也同样表现优秀，其在人物和自行车检测任务中的mAP得分分别为0.747和0.630，均优于其他同类模型。对于公交车和摩托车这类目标，TG-YOLOv11的mAP得分分别为0.529和0.644，同样超过了YOLOv11（0.424，0.58）与YOLOv10n（0.406，0.624）的性能，同时也优于YOLOv8-ASF和Faster R-CNN等先进基准模型，进一步凸显了该模型在处理大中小型物体时的强大适应性，非常适合实际应用场景中的物体检测需求。

此外，TG-YOLOv11的实时推理能力也相当值得关注。虽然YOLOv11的推理速度可达434.4 FPS，但TG-YOLOv11的速率则为302.3 FPS，虽有一定速度下降，但它依然成功实现了高检测精度与实时性能的平衡，且在不影响处理速度的前提下提升了检测精度。对于嵌入式系统与自动驾驶车辆而言，实时检测能力至关重要，这一平衡优势显得尤为宝贵。从计算效率来看，TG-YOLOv11需要9.9 GFLOPs的运算能力及412万个参数，这一数值虽高于YOLOv11的6.3 GFLOPs与258万参数，但由于采用了权重共享与模块优化技术，其仍能在保证精度的同时实现实时运行。即使在恶劣天气条件下的复杂场景中，TG-YOLOv11的性能也保持稳定。例如在公交车检测任务中，它的mAP得分高达0.529，优于YOLOv11的0.424和YOLOv10n的0.406，这一提升得益于DINet（动态信息网络）模块，它能够在低对比度或背景干扰等恶劣条件下，更好地分离物体特征。同样，在检测火车和卡车这类远距离目标时，TG-YOLOv11的表现也持续优于RT-DETR（火车：0.658，卡车：0.606）与ECL-YOLOv11（火车：0.62，卡车：0.608），显示出其在不同类型物体检测任务中的综合优势。尽管YOLOv8-ASF在公交车检测等特定场景下表现不错，但TG-YOLOv11在所有物体类别上都能保持更为均衡且稳定的性能，因此它是实际应用中更为理想的物体检测解决方案。

为进一步验证TG-YOLOv11物体检测网络的实际效果，我们还对其与多种主流物体检测网络进行了定量与可视化对比分析，结果如图19所示。

下载：下载高分辨率图像（2MB）
下载：下载全尺寸图像
图19. 不同场景下的检测效果对比

如图19所示，TG-YOLOv11在雾、雨、雪三种恶劣天气条件下，都展现出了出色的物体检测能力。实验图像清晰地显示出，该模型在真实场景中能够显著提升小型物体、远距离目标的检测能力以及边界框的定位精度，充分体现了其在复杂交通环境中的强大适应能力与高度鲁棒性。在雾天条件下，由于能见度低且图像对比度下降，大多数模型都难以准确识别远处目标（如卡车、公交车）和小型物体（如行人），往往只能给出较低的置信度评分或频繁出现漏检现象，而TG-YOLOv11则能有效克服这些问题。相比之下，TG-YOLOv11采用了多尺度扩张卷积以及FasterNet-FC中的权重共享策略，从而有效提升特征提取的深度和广度，即便在检测汽车、公交车等远距离目标时也能保持较高置信度（分别为0.84和0.87），同时还保持了模型尺寸的紧凑性。此外，DINet架构解决了YOLOv11在多尺度特征融合方面的缺陷，使得TG-YOLOv11在检测远处小型物体时更具优势。在雨天环境中，由于雨滴、车头灯反光以及水面反射等因素，检测难度大幅增加，YOLOv11和YOLOv10n在检测车辆或卡车时的置信度会明显下降，这反映出它们在情境建模能力上的不足。而TG-YOLOv11则借助DINet架构所提供的语义理解能力，实现了精确的多类目标检测。在交通密集的区域，其检测汽车的置信度始终高于0.85。虽然YOLOv5n和YOLOv8在车辆检测方面表现尚可，但在处理小型物体（如摩托车和行人）或定位边界框时存在明显弱点。TG-YOLOv11不仅在雨天条件下仍能保持出色的检测稳定性，还能凭借WIoU损失函数对边界框回归误差的优化，输出更精准且尺寸更合适的边界框——这一优势在存在强烈反射干扰的图像中尤为明显。在雪天环境下，由于背景亮度高、地面反射以及物体遮挡等问题，检测难度进一步提升，TG-YOLOv11利用WIoU损失函数所引入的形状和距离误差加权机制，有效解决了传统IoU在预测框与真实框不重叠时的梯度消失问题。因此，即便面对被雪覆盖或边缘模糊的情况，它仍能输出准确的边界框。例如，在雪天环境中检测卡车和摩托车时，TG-YOLOv11不仅能精准定位目标，还能保持较高的置信度，展现出更强的定位能力。相比之下，YOLOv11和YOLOv5n在检测汽车方面表现尚可，但在处理行人、自行车等小型目标时会出现误检、边界模糊或漏检现象。即便是相对先进的YOLOv8-ASF，虽然在大型物体识别方面表现不错，但在小型物体检测任务的精度和稳定性上仍不及TG-YOLOv11。总体而言，TG-YOLOv11在各种恶劣天气条件下的物体检测性能都更为出色，尤其在小型物体检测、远距离目标识别以及精确边界框定位等方面表现突出。与YOLOv11、YOLOv10n、YOLOv5n、YOLOv8、YOLOv8-ASF以及YOLO11-EMBC等模型相比，TG-YOLOv11在稳定性、鲁棒性和适应性方面都具有明显优势。这些优点使其特别适合用于复杂环境中的物体检测任务，比如智能交通系统以及自动驾驶应用。

5.2 不同恶劣天气条件及相对运动状态下的对比验证
为验证TG-YOLOv11作为车载视觉物体检测方案在恶劣天气条件下的有效性，本研究在雪天、雾天和雨天三种天气环境中设计了实验。测试涵盖了三种相对运动场景：动态（自动驾驶车辆）–动态（被检测目标）、静态（自动驾驶车辆）–动态（被检测目标），以及动态（自动驾驶车辆）–静态（被检测目标）。如图20所示，实验主要旨在评估TG-YOLOv11在小型物体检测、远距离目标定位以及应对复杂背景干扰方面的鲁棒性。
下载：下载高分辨率图像（855KB）
下载：下载全尺寸图像
图20. 不同工作状态下的对比实验结果。
在雪天环境的动态–动态场景下，该模型对附近车辆的检测置信度为0.82，对远处小型车辆的检测置信度为0.47，证明了其在复杂背景下检测小型物体的能力。在静态–动态场景下，TG-YOLOv11不仅准确检测到了车辆目标（置信度0.77），还成功识别出了行人（置信度0.76），显示出其在动态背景下实现多类目标特征分离的有效性。在动态–静态场景下，该模型对远距离车辆目标的检测置信度保持在0.66，未出现明显的漏检或误检情况。这些实验结果表明，FPSC模块通过多尺度特征建模，提升了对远处及小型物体的检测能力，同时有效降低了雪天环境下动态干扰和高亮度背景带来的影响。
在雾天环境中，实验重点验证了TG-YOLOv11在低对比度条件下的检测性能。在动态–动态场景下，该模型对汽车的检测置信度为0.80，对摩托车的检测置信度为0.41，证明了其适应低对比度目标的能力。在静态–动态场景下，TG-YOLOv11在多个类别上都实现了高检测精度，包括公交车（置信度0.85）、行人（置信度0.74）和汽车（置信度0.80），且未出现误报或漏检情况。在动态–静态场景下，该模型对远处车辆的检测置信度高达0.86，对行人目标的检测置信度为0.52。这些结果表明，经过改进的WIoU损失函数有效优化了边界框的中心点定位和形状匹配精度，大幅减少了低能见度雾天环境下的漏检和误检现象。
在雨天环境中，实验旨在验证TG-YOLOv11对抗雨滴干扰和反射背景的鲁棒性。在动态–动态场景下，该模型对多种车辆目标的检测置信度介于0.74到0.83之间，即便在强烈的雨滴和背景光线干扰下，仍能持续输出准确的边界框。在静态–动态场景下，TG-YOLOv11对车辆目标的检测置信度达到了0.87，且未出现明显的误检情况。在动态–静态场景下，该模型对附近静止车辆的检测置信度为0.84，对远处静止目标的检测置信度超过0.40。实验数据表明，WIoU损失函数通过其动态加权机制，显著优化了雨天条件下的边界框形状误差和中心点定位性能，而DINet则提升了特征提取效率并抑制了背景噪声。
综上所述，TG-YOLOv11在小型物体检测、远距离目标定位以及应对复杂背景干扰方面展现出强大的鲁棒性。各类对比实验的结果都证明，TG-YOLOv11在车载视觉感知任务中具备出色的检测能力。该模型依托FasterNet-FC骨干网络提升了多尺度特征提取的效率，借助DINet架构优化了情境信息建模，再通过WIoU损失函数大幅提高了边界框的精度和稳定性。这些创新共同使得TG-YOLOv11成为一种高效且可靠的感知解决方案，能够有效应对各种恶劣天气条件。

6. 结论
在本研究中，我们提出了TG-YOLOv11，这是一种专为恶劣天气条件下的自动驾驶场景设计的实时物体检测框架。通过引入FasterNet-FC骨干网络来增强多尺度特征提取能力，借助DINet模块强化动态情境信息的融合，再利用WIoU损失函数优化边界框回归的精度，TG-YOLOv11在检测小型物体、远距离目标以及低对比度场景方面取得了显著提升。实验结果显示，与基准模型YOLOv11以及其他现有先进方法相比，TG-YOLOv11在mAP、精确度以及召回率等关键指标上都有明显提升，同时在复杂天气条件下的实时处理性能也很高（帧率可达302帧/秒），成功实现了精度与推理速度之间的平衡，为自动驾驶系统的实际应用提供了可行的解决方案。消融实验进一步证实，FasterNet-FC、DINet和WIoU这三个模块各自都对性能提升起到了独立作用，它们的组合还能产生协同效应，进一步提升模型的鲁棒性和泛化能力。不过，如果在不改进骨干网络的情况下直接整合DINet和WIoU，可能会带来一定的稳定性问题，因此未来的研究可以探索更强大或更专业的骨干网络，以优化整体架构。此外，尽管TG-YOLOv11在自行构建的多天气数据集上取得了优异成绩，但未来的研究还将把评估范围扩展到公共基准数据集（如KITTI和BDD100K），以此验证其在不同驾驶场景和环境条件下的泛化能力。另外，低光照、夜间以及极端环境下的物体检测仍然具有挑战性，未来的研究可以引入低光照增强策略以及故障案例分析，进一步提升TG-YOLOv11的适应能力和鲁棒性。总体而言，本研究不仅为多尺度特征融合和动态信息建模提供了有效策略，还为复杂环境下的自动驾驶视觉系统的强大感知功能及其广泛应用奠定了坚实基础。

资金来源
本研究未获得公共部门、商业机构或非营利组织任何形式的资助。

未标注引用图表
缺失引用：图8C

RediT作者贡献说明
刘兆辉：概念设计、方法设计、实验验证、形式分析、研究调查、数据整理、初稿撰写、审稿与编辑、结果可视化、项目监督。张佳旭：概念设计、方法设计、软件开发、实验验证、资源准备、初稿撰写、审稿与编辑。张晓军：实验验证、数据整理、结果可视化。宋洪乐：研究调查、审稿与编辑。