Para el problema de baja luminosidad y contraste general en imágenes con poca luz, así como características limitadas de los bordes del objetivo, lo que provoca una baja precisión en el reconocimiento y localización de algoritmos de detección de objetivos, se propone un método de detección de objetivos en condiciones de poca luz. Primero, se propone una red de mejora de imágenes de baja luminosidad, que aprovecha las ventajas de la pirámide gaussiana de imágenes, Retinex y la deshuminización basada en canal oscuro, añadiendo características de contornos de bordes en el algoritmo de deshuminización por canal oscuro, que mejora tanto la luminosidad como el contraste general, destacando las características de los bordes del objetivo; en segundo lugar, para mejorar la precisión de extracción de características, se diseñó una red ligera de extracción de características autocorregida en la parte de extracción de características de RTDETR, generando y corrigiendo mapas de características producidos por la red principal con un menor costo computacional, mejorando la precisión en la detección de objetivos. Los resultados experimentales en el conjunto de datos ExDark muestran que en comparación con RTDETR base, la precisión aumentó un 2.34%, la tasa de recuperación subió un 2.09%, el número de parámetros se redujo en 4.95 millones, el tamaño del modelo disminuyó en 13.31 MB, y el método propuesto puede mejorar eficazmente el rendimiento de detección de objetivos en escenas con poca luz.

Detección de objetivos;Objetivos oscuros;Mejora en baja luminosidad;Pirámide gaussiana;Red autocorregida