基于多元注意力增强的低光照目标检测算法OA
低光照目标检测中存在目标轮廓模糊及特征表征弱化的现象,导致关键细节丢失和特征空间判别性降低。针对上述问题,提出基于多元注意力增强的低光照图像目标检测算法MAE-Det。该算法设计多尺度注意力特征增强模块,通过残差注意力机制与梯度引导的跨通道交互,增强噪声干扰下特征表达的鲁棒性;构建空间深度下采样模块,通过多维度特征解耦与融合提升目标判别性表征能力;搭建通道-空间双域注意力协同架构,进一步强化细粒度特征提取能力。同时,设计Inner-Shape IoU联合损失函数,依托几何形状约束优化检测边界,提升模型的检测精度和泛化能力。实验结果表明,MAE-Det在ExDark和FCdark数据集上的精度分别较先进的基线模型提升5.3%、3.8%,验证了所提方法的有效性。
顾成杰;方冰冰;孙俊倡;朱东郡;王家鑫;马帅
安徽理工大学公共安全与应急管理学院,安徽合肥231131安徽理工大学计算机科学与工程学院,安徽淮南232001安徽理工大学公共安全与应急管理学院,安徽合肥231131安徽理工大学公共安全与应急管理学院,安徽合肥231131安徽理工大学公共安全与应急管理学院,安徽合肥231131鹏城实验室,广东深圳518055
信息技术与安全科学
低光照目标检测注意力机制特征增强下采样模块联合损失
《安徽工程大学学报》 2026 (2)
P.29-37,9
国家自然科学基金国家重大科研仪器研制项目(52227901)国家重点研发计划(2022YFB2901305)国家重点研发计划国家长三角科技创新共同体联合攻关专项项目(2023CSJGG1103)安徽省高等学校科学研究项目(2023AH051197)安徽理工大学引进人才科研启动基金(2023yjrc33)。
评论