基于CDD-YOLO的轻量级低光照目标检测算法

来源：计算机工程与应用杂志2025年第6期北京时间：

作者：史丽晨, 杨超, 刘雪超, 周星宇

单位：西安建筑科技大学 机电工程学院，西安 710055

摘要：针对低照度场景下目标检测算法面临的检测精度不高、计算成本以及内存消耗大等问题，提出一种改进YOLOv8的轻量级低光照目标检测网络模型CDD-YOLO。提出一个基于坐标注意力机制的多尺度卷积模块，提取不同感受野纹理特征并捕获空间位置之间的远程依赖关系；将动态头部框架集成到检测头中，减少复杂背景和尺度变化的干扰；基于动态非单调聚焦机制设计边界框回归损失函数，提升锚框回归路径和质量，提高模型对光照变化和噪声的适应能力；通过剪枝算法修剪模型中的冗余参数，实现模型轻量化。采用自建数据集、ExDark和VOC数据集进行实验验证，实验结果表明该方法与主流算法相比具有更好的检测效果，在计算复杂度与检测精度之间实现了更好的平衡。

关键词：低照度,YOLOv8,注意力机制,损失函数,轻量化网络