PE-YOLO：用于暗光目标检测的金字塔增强网络
计算机视觉与模式识别
2023-07-21 v1 人工智能
摘要
当前目标检测模型已在许多基准数据集上取得良好结果，但在暗光条件下检测目标仍是一大挑战。为解决此问题，我们提出一种金字塔增强网络（PENet）并将其与YOLOv3结合构建名为PE-YOLO的暗光目标检测框架。首先，PENet使用拉普拉斯金字塔将图像分解为四种不同分辨率的成分。具体地，我们提出细节处理模块（DPM）以增强图像细节，其由上下文分支和边缘分支组成。此外，我们提出低频增强滤波器（LEF）以捕获低频语义并抑制高频噪声。PE-YOLO采用端到端联合训练方法，仅使用常规检测损失以简化训练过程。我们在低光目标检测数据集ExDark上进行实验以证明我们的有效性。结果表明，与其他暗光检测器和低光增强模型相比，PE-YOLO取得了先进结果，在mAP和FPS上分别达到78.0%和53.6，可适应不同低光条件下的目标检测。代码见 https://github.com/XiangchenYin/PE-YOLO。
引用
@article{arxiv.2307.10953,
title = {PE-YOLO: Pyramid Enhancement Network for Dark Object Detection},
author = {Xiangchen Yin and Zhenda Yu and Zetao Fei and Wenjun Lv and Xin Gao},
journal= {arXiv preprint arXiv:2307.10953},
year = {2023}
}
备注
Accepted at ICANN 2023