-
题名CORM-YOLO:低照度环境下交通行人检测算法
- 1
-
-
作者
王栋
罗亚波
张峰
黄随
-
机构
武汉理工大学机电工程学院
湖北天威汽车有限公司
-
出处
《液晶与显示》
北大核心
2025年第9期1369-1380,共12页
-
基金
湖北省科技厅项目(No.[2023]58
No.2023DJC082)。
-
文摘
洒水车在夜间或凌晨等低照度环境下频繁作业,然而传统目标检测算法在此类场景中的表现普遍较差,极易出现行人漏检或误检问题,带来误洒水和碰撞等安全隐患。这是由于低照度条件下图像整体亮度不足,目标边缘模糊,颜色和纹理等关键信息退化,导致检测模型难以提取有效特征;同时,噪声信号相对增强,也进一步干扰了模型的判断准确性。为提升洒水车在低照度条件下的行人检测能力,本文提出了一种改进的轻量级检测算法CORM-YOLO。CORM-YOLO算法是在YOLOv8n的基础上进行结构优化,引入了CPA-Enhancer作为特征提取网络,显著增强低照度图像的语义与纹理信息表达能力;采用OREPA优化主干网络卷积模块,有效压缩模型参数与计算成本;利用RepHead替代传统检测头,提高了小目标检测的鲁棒性与精度;同时引入MGDLoss知识蒸馏机制,通过引导轻量模型学习教师模型的判别特征,进一步提升模型整体性能。实验结果表明,CORM-YOLO在低照度行人检测任务中的mAP@50达到0.845,较YOLOv8n提升3.6%,mAP@50∶95达到0.504,提升1.8%,且推理速度满足实际部署要求。该方法在保障低照度作业安全性方面具有重要应用价值,可广泛用于智慧城市和智能交通领域。
-
关键词
低照度行人检测
深度学习
YOLOv8
重参数化
知识蒸馏
-
Keywords
low-light pedestrian detection
deep learning
YOLOv8
re-parameterization
knowledge distillation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
