LOL-YOLO：融合多注意力机制的低照度目标检测

来源：计算机工程与应用杂志2024年第24期北京时间：

作者：蒋畅江, 何旭颖, 向杰

单位：1.重庆邮电大学 自动化学院/工业互联网学院，重庆 400065；2.工业物联网与网络化控制教育部重点实验室，重庆 400065

摘要：针对低照度图像中目标检测面临的夜间模糊场景、边界不明显场景、明暗差异较大场景等挑战，提出了一种动态特征融合的的检测方法LOL-YOLO（low-light YOLO）。引入了自校正照明模块改善低光照图片的质量，应对低照度下的目标不明显问题；提出了动态特征提取模块，采用结合了大卷积核和可变形卷积的注意力机制，广泛灵活的捕捉图像的上下文信息；设计动态检测头增强对不同尺度、空间位置和任务的感知能力，进一步提升目标检测的精度和鲁棒性。采用ExDark、DarkFace、NPD（nighttime pedestrian detection）数据集进行实验验证，实验结果表明，提出的方法与主流算法相比检测精度明显提升，充分验证了该方法的有效性。

关键词：低照度,图像增强,大卷积核,可变形卷积,多重注意力机制