热门标签
热门文章
- 1RabbitMQ - 4种交换机详解_rabbitmq 默认交换机
- 2若依微服务版的快速构建
- 3mac 桌面不能右键 文件也不见了 但在finder的桌面上有_mac桌面上不能右键操作
- 4Git教程 - 6 远程仓库_git 关联远程仓库
- 5预测准确率达95.7%，ChatMOF利用LLM预测和生成金属有机框架，包含人工智能词汇表（AI glossary）_mof ai 设计
- 6TCP服务器—实现数据通信_lis 接口 tcp 服务器 发送数据
- 7非常适合自学人工智能的几个原创公众号
- 8FPGA实现奇偶分频器和任意整数分频设计及分析思路_偶数分屏器结果分析
- 9Android Studio问题收集_please install the android build tools version 30.
- 10Windows系统中通过命令查看文件的MD5,SHA1,SHA256校验值_win2008 校验sha256sum(1)_怎么看文件的校验值
当前位置: article > 正文
YOLOv5改进 | 主干篇 | 轻量级的低照度图像增强网络IAT改进YOLOv5暗光检测（全网独家首发）_iat算法 暗光增强
作者：黑客灵魂 | 2024-07-12 11:42:34
赞
踩
iat算法 暗光增强
一、本文介绍
本文给大家带来的改进机制是轻量级的变换器模型：Illumination Adaptive Transformer (IAT)，用于图像增强和曝光校正。其基本原理是通过分解图像信号处理器（ISP）管道到局部和全局图像组件，从而恢复在低光或过/欠曝光条件下的正常光照sRGB图像。具体来说，IAT使用注意力查询来表示和调整ISP相关参数，例如颜色校正、伽马校正。模型具有约90k参数和约0.004s的处理速度，能够在低光增强和曝光校正的基准数据集上持续实现优于最新技术（State-of-The-Art, SOTA）的性能，我们将其用于YOLOv5上来改进我们模型的暗光检测能力，同时本文的内容不影响其它的模块改进。
欢迎大家订阅我的专栏一起学习YOLO！
专栏回顾：
推荐阅读
相关标签
