Contribute to XiangchenYin/PE-YOLO development by creating an account on GitHub.
Contribute to XiangchenYin/PE-YOLO development by creating an account on GitHub.
为了解决以上问题,本文作者提出了一种金字塔增强网络(PENet),用于增强暗光图像并捕获有关目标的潜在信息。作者将PENet与YOLOv3结合,构建了一个名为PE-YOLO的端到端的暗目标检测框架。在PENet中,作者首先使用拉普拉斯金字塔将图像分解为多个不同分辨率的组成部分。在金字塔的每个尺度上,作者提出了细节处理模块(DPM)和低...
结果表明,与其他暗光检测器和暗光增强模型相比,PE-YOLO取得了先进的结果,分别达到了78.0%的mAP和53.6的FPS,可以适应不同的暗光条件下的目标检测。 代码:https://github.com/XiangchenYin/PE-YOLO 1、简介 近年来,卷积神经网络(CNN)的出现推动了目标检测领域的发展。大量的检测器被提出,针对基准数据集的性能也取得...
作者在暗光条件下的目标检测数据集ExDark上进行实验,以展示作者方法的有效性。结果表明,与其他暗光检测器和暗光增强模型相比,PE-YOLO取得了先进的结果,分别达到了78.0%的mAP和53.6的FPS,可以适应不同的暗光条件下的目标检测。 代码:https://github.com/XiangchenYin/PE-YOLO...
[2] MBLLEN:http://bmvc2018.org/contents/papers/0700.pdf [3] IA-YOLO:https://arxiv.org/pdf/2112.08088 [4] GDIP-YOLO:https://arxiv.org/pdf/2209.14922 [5] MAET:https://github.com/cuiziteng/ICCV_MAET
代码:https://github.com/XiangchenYin/PE-YOLO 1、简介 近年来,卷积神经网络(CNN)的出现推动了目标检测领域的发展。大量的检测器被提出,针对基准数据集的性能也取得了令人满意的结果。然而,大多数现有的检测器都是在高质量图像和正常条件下进行研究的。而在实际环境中,往往存在许多恶劣的光照条件,如夜晚、暗光和...
cnn import (build_conv_layer, build_norm_layer, constant_init, kaiming_init) from mmcv.runner import BaseModule import torch.nn.functional as F class Lap_Pyramid_Conv(nn.Module): def __init__(self, num_high=3, kernel_size=5, channels=3): super().__init__() self.num_high = num...
git clone https://github.com/ultralytics/yolov3 && cd yolov3 # convert darknet cfg/weights to pytorch model python3 -c "from models import *; convert('cfg/yolov3-spp.cfg', 'weights/yolov3-spp.weights')" Success: converted 'weights/yolov3-spp.weights' to 'converted.pt' # convert cf...