基于CDD-YOLO的轻量级低光照目标检测算法
发布时间：2025-02-14
点击次数：
- DOI码：
- 10.3778/j.issn.1002-8331.2410-0127
- 发表刊物：
- 计算机工程与应用
- 关键字：
- 低照度;YOLOv8;注意力机制;损失函数;轻量化网络
- 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。首先，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；其次，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；然后，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；最后，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，实验结果表明本文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。
- 合写作者：
- 刘雪超,周星宇
- 第一作者：
- 杨超
- 论文类型：
- 期刊论文
- 通讯作者：
- 史丽晨
- 学科门类：
- 工学
- 文献类型：
- J
- 是否译文：
- 否
- 发表时间：
- 2024-01-01
- 收录刊物：
- EI