基于Dark-YOLO的低照度目标检测方法

摘要：

在复杂的低照度环境中获取的图像存在亮度低、噪声多和细节信息丢失等问题,直接使用通用的目标检测方法无法达到较为理想的效果.为此,提出低照度目标检测方法——Dark-YOLO.首先,使用CSPDarkNet-53骨干网络提取低照度图像特征,并提出路径聚合增强模块以进一步增强特征表征能力;然后,设计金字塔平衡注意力模块捕获多尺度特征并加以有效利用,生成包含不同尺度且更具判别力的特征;最后,使用预测交并比(intersection over union,IoU)改进检测头,IoU预测分支为每个预测框预测IoU值,使得目标定位更加准确.在ExDark数据集上的实验结果表明,相较于YOLOv4,均值平均精度(mAP)提升了4.10％,Dark-YOLO方法能够有效地提高在低照度场景下目标检测的性能.

关键词：目标检测、低照度图像、注意力机制、多尺度特征、预测交并比

所属期刊栏目：35

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;广西自然科学基金重点项目;广西图像图形智能处理重点实验项目;广西研究生教育创新计划资助项目;广西研究生教育创新计划资助项目;广西研究生教育创新计划资助项目

在线出版日期：2023-05-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：441-451