YOLOv9改进策略 | 低照度图像篇 | 低照度增强网络PE-YOLO改进主干（改进暗光条件下的物体检测）

Snu77

已于 2024-05-14 10:01:48 修改

阅读量1k

点赞数 12

CC 4.0 BY-SA版权

分类专栏： YOLOv9有效涨点专栏文章标签： YOLO 深度学习计算机视觉人工智能 python YOLOv9 yolov9

于 2024-05-14 04:00:00 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/java1314777/article/details/138824570

YOLOv9有效涨点专栏专栏收录该内容

67 篇文章 ¥159.90 ¥299.90

订阅专栏

本文介绍了PE-YOLO算法，一种针对低照度图像的改进策略，通过PENet增强细节和低频信息。PE-YOLO包括金字塔增强网络、细节处理模块和低频增强滤波器，用于改善暗光条件下的物体检测。文章详细阐述了PE-YOLO的原理，提供了核心代码和添加方法，并指出网络的二次创新潜力。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、本文介绍

本文给大家带来的改进机制是低照度图像增强网络PE-YOLO中的PENet，PENet通过拉普拉斯金字塔将图像分解成多个分辨率的组件，增强图像细节和低频信息。它包括一个细节处理模块（DPM），用于通过上下文分支和边缘分支增强图像细节，以及一个低频增强滤波器（LEF），以捕获低频语义并减少高频噪声。同时该网络的发布版本并不完善，存在二次创新的机会，后期我会将其网络进行二次创新，增强低照度的检测性能。同时该网络发布版本存在Bug我也已经修复。欢迎大家订阅本专栏，本专栏每周更新3-5篇最新机制，更有包含我所有改进的文件和交流群提供给大家。

欢迎大家订阅我的专栏一起学习YOLO！

专栏地址：YOLOv9有效涨点专栏-持续复现各种顶会内容-有效涨点-全网改进最全的专栏

目录

一、本文介绍

二、PE-YOLO算法原理

2.1 PE-YOLO的基本原理

2.2 金字塔增强网络

2.3 细节处理模块

2.4 低频增强滤波器

三、PE-YOLO的核心代码

四、PE-YOLO的添加方式

4.1 PE-YOLO添加步骤

4.1.1 修改一

了解本专栏

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

Snu77 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。