YOLOv10改进 | 主干网络 | 一体化去雾网络AOD-Net【原理 + 代码】

秋招面试专栏推荐 ：深度学习算法工程师面试问题总结【百面算法工程师】——点击即可跳转

---

💡💡💡本专栏所有程序均经过测试，可成功执行💡💡💡

---

专栏目录 ：《YOLOv8改进有效涨点》专栏介绍 & 专栏目录 | 目前已有50+篇内容，内含各种Head检测头、损失函数Loss、Backbone、Neck、NMS等创新点改进——点击即可跳转

---

本文介绍了一种基于卷积神经网络（CNN）构建的图像去雾模型，称为一体化去雾网络（All-in-One Dehazing Network，简称AOD-Net）。该网络是基于重新构建的大气散射模型设计的。与大多数先前模型分别估计传输矩阵和大气光不同，AOD-Net通过一个轻量级的CNN直接生成清晰图像。这种新颖的端到端设计使得将AOD-Net嵌入其他深度模型（例如Faster R-CNN）变得容易，从而提高在雾天图像上的高级任务性能。文章在介绍主要的原理后，将手把手教学如何进行模块的代码添加和修改，并将修改后的完整代码放在文章的最后，方便大家一键运行，小白也可轻松上手实践。以帮助您更好地学习深度学习目标检测YOLO系列的挑战。

专栏地址：YOLOv10入门 + 涨点——持续更新各种涨点方法

目录

1. 原理

2. 将AOD_pono_net添加到YOLOv8中