低照度画像における全体的な輝度とコントラストが低く、対象のエッジ特徴が限られているため、対象検出アルゴリズムの認識および定位精度が高くない問題に対し、低照度対象検出手法を提案する。まず、低照度画像強調ネットワークを提案し、画像のガウシアンピラミッド、Retinexおよびダークチャンネルデフォッグの低照度画像強調の利点を利用し、ダークチャンネルデフォッグアルゴリズムにエッジ輪郭特徴を加えることで、全体的な輝度・コントラストを強化するとともに、対象のエッジ特徴を際立たせる。次に、特徴抽出の精度を高めるために、RTDETRの特徴抽出部分に軽量な自己矯正特徴抽出ネットワークを設計し、計算コストを抑えつつ主幹特徴抽出ネットワークが生成する特徴マップを生成・矯正し、対象検出精度を向上させる。ExDarkデータセットでの実験結果は、基準となるRTDETRに比べて精度が2.34%、再現率が2.09%、パラメータ数が4.95M減少、モデルサイズが13.31MB削減され、本手法が低照度環境における対象検出性能を効果的に向上させることを示している。

対象検出;暗い対象;低照度強調;ガウシアンピラミッド;自己矯正ネットワーク