Diante do baixo brilho geral e do baixo contraste em imagens com pouca luz, bem como das características limitadas das bordas do objeto, o que resulta em baixa precisão no reconhecimento e na localização pelos algoritmos de detecção de objetos, propõe-se um método de detecção de objetos em baixa luminosidade. Primeiramente, é proposta uma rede de aprimoramento de imagens em baixa luminosidade, que utiliza as vantagens da pirâmide gaussiana de imagens, Retinex e do desembaçamento por canal escuro, incorporando características de contorno de bordas no algoritmo de desembaçamento por canal escuro, reforçando o brilho e o contraste geral enquanto destaca as características das bordas do objeto; em seguida, para melhorar a precisão da extração de características, foi projetada uma rede leve de extração de características autocorretiva na parte de extração de características do RTDETR, gerando e corrigindo mapas de características produzidos pela rede principal com menor custo computacional, elevando a precisão da detecção de objetos. Resultados experimentais no conjunto de dados ExDark mostram que, em comparação com o RTDETR base, a precisão aumentou 2,34%, a taxa de recall aumentou 2,09%, a quantidade de parâmetros foi reduzida em 4,95 milhões, o tamanho do modelo foi reduzido em 13,31 MB, e o método proposto pode melhorar efetivamente o desempenho da detecção de objetos em cenários de baixa luminosidade.

Detecção de objetos;Objetos escuros;Aprimoramento em baixa luminosidade;Pirâmide gaussiana;Rede autocorretiva