Angesichts niedriger Gesamthelligkeit und Kontrast bei schwach beleuchteten Bildern sowie begrenzter Kanteneigenschaften des Objekts, was zu einer nicht hohen Erkennungs- und Positionsbestimmungsgenauigkeit von Objekterkennungsalgorithmen führt, wird eine Methode zur Objekterkennung bei schwachem Licht vorgeschlagen. Zunächst wird ein Netzwerk zur Bildverbesserung bei Schwachlicht vorgeschlagen, das die Vorteile der Gaußschen Bildpyramide, Retinex und des Nebelentfernens mittels Dunkelkanal nutzt und Merkmale der Kantenkonturen in den Nebelentfernungsalgorithmus des Dunkelkanals einfügt, um die Gesamthelligkeit und den Kontrast zu verbessern und gleichzeitig die Kantenmerkmale des Objekts hervorzuheben; zweitens wurde zur Erhöhung der Genauigkeit der Merkmalextraktion im Merkmalsextraktionsabschnitt von RTDETR ein leichtgewichtiges selbstkorrigierendes Merkmalsextraktionsnetzwerk entwickelt, das mit geringerem Rechenaufwand die von dem Hauptnetzwerk generierten Merkmalskarten erzeugt und korrigiert, wodurch die Objekterkennungsgenauigkeit verbessert wird. Die实验ergebnisse auf dem ExDark-Datensatz zeigen, dass im Vergleich zum Basis-RTDETR die Genauigkeit um 2,34 % gestiegen ist, die Rückrufrate um 2,09 %, die Parameteranzahl um 4,95 Mio. reduziert und die Modellgröße um 13,31 MB verringert wurde. Die hier vorgestellte Methode kann die Leistung der Objekterkennung in schwach beleuchteten Szenen effektiv verbessern.

Objekterkennung;Dunkle Objekte;Schwachlichtverbesserung;Gaußsche Pyramide;Selbstkorrigierendes Netzwerk