YOLOv8改进：利用轻量级低照度图像增强网络IAT提升暗光检测性能

鱼弦：公众号【红尘灯塔】，CSDN博客专家、内容合伙人、新星导师、全栈领域优质创作者 、51CTO(Top红人+专家博主) 、github开源爱好者（go-zero源码二次开发、游戏后端架构 https://github.com/Peakchen）

YOLOv8改进：利用轻量级低照度图像增强网络IAT提升暗光检测性能

简介

YOLOv8作为目前最先进的目标检测算法之一，在精度和速度方面取得了显著进步。然而，YOLOv8模型在低光照条件下的目标检测任务中仍存在一些不足，例如容易受到噪声干扰和对比度不足的影响，导致检测精度下降。为了解决这个问题，本文提出了一种利用轻量级低照度图像增强网络IAT（Illumination Adaptive Transformer）改进YOLOv8模型的方法，有效提升了模型在暗光条件下的目标检测精度。

原理详解

IAT轻量级低照度图像增强网络

IAT网络采用Transformer架构，并结合了ISP（Image Signal Processor）管道的思想，可以有效增强低光照条件下的图像质量。IAT网络主要包括以下几个模块：

• 注意力机制: 使用Transformer的注意力机制，可以学习图像特征之间的依赖关系，并增强特征的表达能力。