고속도로 터널과 같은 저조도 환경에서는 차량 이미지가 외부 요인의 영향을 많이 받아 차량 검출 정확도가 낮아집니다. 이 문제를 해결하기 위해 개선된 YOLOx 알고리즘 기반의 저조도 환경 차량 실시간 검출 방법을 제안합니다. 먼저, 가이드 필터링과 영역 에너지 특성 융합 기준을 기반으로 수집된 차량 이미지를 향상시켜 이미지 내 조명 불균일 및 물체 윤곽 정보 흐림 문제를 해결합니다. 다음으로, Swin-Transformer 네트워크 구조를 기반으로 개선된 YOLOx 차량 검출 알고리즘의 백본 네트워크를 구축하여 Transformer의 전역 모델링 능력을 활용해 이미지 내 핵심 의미 정보를 인코딩하고 네트워크의 세부 특성 추출 능력을 강화합니다. 동시에 넥 네트워크에는 재귀 게이트 컨볼루션을 도입하여 확장 합성곱을 대체함으로써 네트워크의 고수준 의미 모델링 능력을 향상시킵니다. 마지막으로, 합성곱 주의 메커니즘을 도입하여 저조도 이미지의 핵심 특징 추출 및 융합을 강화합니다. 구축된 터널 차량 검출 데이터셋 UA-DETTUN에서 실험을 수행한 결과, 제안한 방법의 평균 검출 정확도는 96.1%에 달하며, 개선 전 YOLOx 알고리즘 대비 6.5% 향상되었고, 동시에 네트워크의 검출 속도는 실시간 검출 요구를 충족하여 차량 검출 측면에서 높은 응용 가치를 가집니다.

저조도 환경;Swin-Transformer;차량 검출;영상 향상;주의 메커니즘