Avançando na detecção de objetos em baixa luminosidade com modelos you only look once: Um estudo empírico e avaliação de desempenho

Resumo A detecção de objetos em baixa luminosidade é necessária para garantir segurança, possibilitar vigilância e aumentar a segurança em diversas aplicações, incluindo veículos autônomos, sistemas de vigilância e operações de busca e resgate. Um estudo abrangente sobre a detecção de objetos em baixa luminosidade é apresentado utilizando modelos avançados you only look once (YOLO), incluindo YOLOv3, YOLOv5, YOLOv6 e YOLOv8, visando aprimorar o desempenho da detecção em condições desafiadoras de baixa luminosidade. O conjunto de dados ExDark é um conjunto que consiste em imagens adequadas em baixa luminosidade, modificadas para simular cenários realistas de baixa luminosidade, e empregadas para avaliação. O algoritmo de aprendizado profundo otimiza a arquitetura do YOLO para detecção em baixa luminosidade adaptando a estrutura da rede e as estratégias de treinamento, enquanto preserva a integridade do algoritmo. Os resultados experimentais mostram que o YOLOv8 supera consistentemente os modelos de referência, alcançando melhorias significativas em precisão e robustez em cenários de baixa luminosidade. O algoritmo de aprendizado profundo que obteve a melhor pontuação, YOLOv8s, teve uma pontuação média de precisão de 0,5513. Este trabalho contribui para o campo da detecção de objetos em baixa luminosidade, oferecendo soluções promissoras para aplicações do mundo real, como vigilância noturna e navegação autônoma em condições de baixa luminosidade, abordando a crescente demanda por detecção avançada de objetos em baixa luminosidade.