PE-YOLO: Pyramid Enhancement Network for Dark Object Detection

要約

現在の物体検出モデルは多くのベンチマーク データセットで良好な結果を達成していますが、暗い状況での物体検出は依然として大きな課題です。
この問題に対処するために、私たちはピラミッド拡張ネットワーク (PENet) を提案し、それを YOLOv3 と結合して、PE-YOLO という名前の暗い物体検出フレームワークを構築します。
まず、PENet はラプラシアン ピラミッドを使用して画像を解像度の異なる 4 つのコンポーネントに分解します。
具体的には、画像のディテールを向上させるためのコンテキストブランチとエッジブランチからなるディテール処理モジュール(DPM)を提案します。
さらに、低周波のセマンティクスを捕捉し、高周波ノイズを防ぐための低周波強調フィルター (LEF) を提案します。
PE-YOLO はエンドツーエンドの共同トレーニング アプローチを採用し、トレーニング プロセスを簡素化するために通常の検出損失のみを使用します。
私たちは、低照度物体検出データセット ExDark の実験を行って、その有効性を実証します。
この結果は、他の暗闇検出器や低照度強化モデルと比較して、PE-YOLO がそれぞれ mAP で 78.0%、FPS で 53.6 という高度な結果を達成し、さまざまな低照度条件下での物体検出に適応できることを示しています。
コードは https://github.com/Xiangchenying/PE-YOLO で入手できます。

要約(オリジナル)

Current object detection models have achieved good results on many benchmark datasets, detecting objects in dark conditions remains a large challenge. To address this issue, we propose a pyramid enhanced network (PENet) and joint it with YOLOv3 to build a dark object detection framework named PE-YOLO. Firstly, PENet decomposes the image into four components of different resolutions using the Laplacian pyramid. Specifically we propose a detail processing module (DPM) to enhance the detail of images, which consists of context branch and edge branch. In addition, we propose a low-frequency enhancement filter (LEF) to capture low-frequency semantics and prevent high-frequency noise. PE-YOLO adopts an end-to-end joint training approach and only uses normal detection loss to simplify the training process. We conduct experiments on the low-light object detection dataset ExDark to demonstrate the effectiveness of ours. The results indicate that compared with other dark detectors and low-light enhancement models, PE-YOLO achieves the advanced results, achieving 78.0% in mAP and 53.6 in FPS, respectively, which can adapt to object detection under different low-light conditions. The code is available at https://github.com/XiangchenYin/PE-YOLO.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google