计算机辅助设计与图形学学报

作者：江泽涛, 肖芸, 张少钦, 朱玲红, 何玉婷, 翟丰硕

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

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 overunion,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.

来源：2023年第3期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2023年第3期