-
题名SFF-YOLO:空频域融合的低照度目标检测网络
- 1
-
-
作者
李扬
陈伟
朱万山
李现国
侯景忠
刘明亮
-
机构
天津中德应用技术大学软件与通信学院
天津工业大学电子与信息工程学院
天津市光电检测技术与系统重点实验室
天津工业大学沧州研究院
芯宇宙(天津)科技有限公司
-
出处
《燕山大学学报》
北大核心
2025年第3期247-256,264,共11页
-
基金
天津市教委科研计划项目(2024KJ120)。
-
文摘
针对传统目标检测网络在低照度环境中的漏检及检测精度低的问题,提出一种基于SFFNet与YOLOv11的低照度目标检测网络SFF-YOLO。首先,提出一种空频域融合的图像增强网络SFFNet,将低照度图像与照度引导图合并后输入编码模块提取特征。然后,设计了双域融合网络DDFNet,通过空间域处理模块SPB提升图像亮度,并采用频域处理模块FPB修复局部细节,将融合后的空间-频域特征与最小通道约束图拼接后输入解码模块实现图像去噪。最后,设计了联合损失函数,对SFF-YOLO进行端到端联合训练,提升模型的泛化能力和目标检测性能。使用LOL-v2和ExDark数据集进行实验。实验结果表明,SFFNet在LOL-v2-Real和LOL-v2-Synthetic数据集上的PSNR分别为23.11和25.08,SSIM分别为0.851和0.936,相较于对比网络,展现出更出色的增强效果。SFF-YOLO在ExDark数据集上的检测精度达到80.4%,较YOLOv11提升了3.1%,检测速度为91.82帧/秒,实现了高精度的实时检测。
-
关键词
低照度图像
目标检测
YOLOv11
空频域融合
联合训练
-
Keywords
low-light image
object detection
YOLOv11
spatial-frequency domain fusion
joint training
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
