| 基于Dark-YOLO的低照度目标检测方法EI北大核心CSCD |
| |
| 作者姓名： | 江泽涛 肖芸 张少钦 朱玲红 何玉婷 翟丰硕 |
| |
| 作者单位： | 1. 桂林电子科技大学广西图像图形与智能处理重点实验室;2. 南昌航空大学土木建筑学院;3. 南昌航空大学信息工程学院 |
| |
| 基金项目： | 国家自然科学基金(62172118,61876049);;广西研究生教育创新计划资助项目(YCBZ2021070,YCBZ2018052,2020YCXS050); |
| |
| 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 |
| 本文献已被 维普 等数据库收录！ |
|
