YOLOv8改进 | 主干篇 | 低照度增强网络Retinexformer改进黑夜目标检测 （2023.11最新成果，独家首发）
一、本文介绍
本文给大家带来的改进机制是低照度图像增强网络Retinexformer，其是由今年最新发布的针对于黑夜目标检测的改进机制（非常适合大家用来发表论文），其主要思想是通过一种新颖的一阶段Retinex-based框架来增强低光图像。这个框架结合了照明信息的估计和损坏恢复，目的是提高低光图像的质量。核心在于照明引导的变换器，这种变换器使用照明信息来引导长期依赖性的建模，从而在不同照明条件下更好地处理图像。欢迎大家订阅本专栏，本专栏每周更新3-5篇最新机制，更有包含我所有改进的文件和交流群提供给大家。
欢迎大家订阅我的专栏一起学习YOLO！
下图展示了Retinexformer相对于各种图像增强网络的对比效果 ，最新版本的Retinexformer在各种场景都表现的很优秀，该网络的GFLOPs为18.4，参数量为308w在低照度网络中是非常小的。
专栏回顾：
原文地址：https://blog.csdn.net/java1314777/article/details/135710039
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！