改进YOLOv11的低光照目标检测方法研究
来源：计算机工程与应用杂志2026年第5期北京时间：
作者：李俊林, 张雪松, 宋存利, 李光宇
单位：大连交通大学 轨道智能工程学院，辽宁 大连 116052；
摘要：针对低光照复杂场景下检测的性能瓶颈，提出一种改进YOLOv11的低光照目标检测算法ELS-YOLO（enhanced low-light scene-YOLO）。引入EfficientNetV2替换主干网络，简化模型结构的同时，提升局部细节和全局背景的复杂交互。提出了一种频域感知模块，进一步提升网络对图像细节的感知效果，帮助模型更好地识别低光照条件下的目标轮廓和暗部细节。设计了一种基于灵慧阶梯增益分配策略的损失函数，在提升光照和噪声变化的适应能力基础上持续提升检测精度。算法的消融实验和对比实验在ExDark、NOD（night object detection）和VOC2012数据集上进行，结果表明，在三个数据集上，提出的算法相较于基线模型在mAP@0.5和mAP@0.5：0.95指标上分别提升了4.2和2.6个百分点、2.4和0.7个百分点、0.7和0.3个百分点。实验结果验证了该算法在低光照目标检测场景中的有效性。
关键词：低光照,目标检测,YOLOv11,频域感知
基金资助：国家自然科学基金（62276042）；辽宁省教育厅科学研究项目（LJKMZ20220838，LJKZ0486）。
