一种基于UMFNet-YOLO的低光条件下的联合检测算法

本发明涉及目标检测领域，尤其涉及一种基于UMFNet‑YOLO的低光条件下的联合检测算法，采用多尺度分解与高频‑低频特征协同增强策略，通过高/低通滤波分离图像细节与全局特征，结合动态权重分配实现多分辨率特征互补，有效恢复恶劣天气下退化的目标轮廓与纹理信息；设计并行通道压缩与空间语义强化模块，通过跨维度自适应特征筛选抑制雨雾噪声干扰，增强关键目标的显著性表达；将图像增强网络UMFNet与YOLOv8级联，通过反向传播同步优化增强模块与检测网络参数，确保特征表达与检测任务的强相关性。本方法较基线YOLOv8检测器平均精度（mAP50）有显著提升，显著优于传统增强‑检测分离方案。可应用于自动驾驶、安防监控等复杂环境下的鲁棒目标检测场景。