В условиях слабого освещения, таких как дорожные туннели, изображения транспортных средств подвержены значительному влиянию внешних факторов, что приводит к низкой точности детекции автомобилей. Для решения этой проблемы предложен метод реального времени обнаружения транспортных средств в условиях слабого освещения на основе улучшенного алгоритма YOLOx. Во-первых, изображения транспортных средств усиливались с использованием направленной фильтрации и критерия слияния энергетических характеристик областей, что решает проблемы неравномерного освещения и размытых контуров объектов на изображениях. Во-вторых, на основе структуры сети Swin-Transformer построена основная сеть улучшенного алгоритма YOLOx для детекции транспортных средств, которая использует глобальные возможности моделирования Transformer для кодирования ключевой семантической информации на изображениях и усиливает способность сети извлекать детальные признаки. Одновременно в шейную сеть введена рекурсивная воротная сверточная замена дилатированным сверткам для повышения способности моделирования высокоуровневой семантики сети. Наконец, введён сверточный механизм внимания для усиления извлечения и объединения ключевых признаков на изображениях с низкой освещённостью. Эксперименты проведены на построенном датасете обнаружения транспортных средств в туннелях UA-DETTUN, результаты показывают, что средняя точность обнаружения предлагаемого метода достигла 96,1 %, что на 6,5 % выше по сравнению с исходным алгоритмом YOLOx, при этом скорость детекции сети удовлетворяет требованиям реального времени, что делает её высокоценным для практического применения в обнаружении транспортных средств.

слабое освещение;Swin-Transformer;обнаружение транспортных средств;улучшение изображения;механизм внимания