YOLOv8结合SCI低光照图像增强算法!让夜晚目标无处遁形!【含端到端推理脚本】

这里的"SCI"代表的并不是论文等级,而是论文采用的方法 — “自校准光照学习” ~

在这里插入图片描述
在这里插入图片描述

左侧为SCI模型增强后图片的检测效果,右侧为原始v8n检测效果

这篇文章的主要内容是通过使用SCI模型和YOLOv8进行算法联调,最终实现了如上所示的效果:在增强图像可见度的同时,对图像中的目标进行检测。

主要目标是提高召回率,次要目标是提高准确率。


最近更新

  1. docker php8.1+nginx base 镜像 dockerfile 配置

    2024-04-03 03:12:02       98 阅读
  2. Could not load dynamic library ‘cudart64_100.dll‘

    2024-04-03 03:12:02       106 阅读
  3. 在Django里面运行非项目文件

    2024-04-03 03:12:02       87 阅读
  4. Python语言-面向对象

    2024-04-03 03:12:02       96 阅读

热门阅读

  1. 面试题:Spring RESTful服务设计与控制器最佳实践

    2024-04-03 03:12:02       37 阅读
  2. C# 委托与事件 终章

    2024-04-03 03:12:02       42 阅读
  3. TypeScript-数组、函数类型

    2024-04-03 03:12:02       33 阅读
  4. 动态规划详解

    2024-04-03 03:12:02       43 阅读
  5. Qt线程之QtConcurrent的介绍

    2024-04-03 03:12:02       40 阅读
  6. liblzma/xz漏洞

    2024-04-03 03:12:02       37 阅读
  7. 模板方法模式

    2024-04-03 03:12:02       32 阅读
  8. 我的创作纪念日

    2024-04-03 03:12:02       32 阅读
  9. 2024.4.2

    2024-04-03 03:12:02       36 阅读
  10. 全球化智能组网产品优势

    2024-04-03 03:12:02       37 阅读
  11. pyqt5 无边框窗口拖动

    2024-04-03 03:12:02       34 阅读
  12. 前端开发语言有哪些

    2024-04-03 03:12:02       41 阅读