计算机工程与科学

作者：徐广平, 徐慧英, 朱信忠, 黄晓, 王舒梦, 宋杰

单位：1.浙江师范大学计算机科学与技术学院（人工智能学院）,浙江 金华 321004；2.浙江师范大学教育学院，浙江 金华 321004

关键词：低光行人检测,RetinexFormer框架,HAT注意力机制,在线重参数化卷积,

基金：国家自然科学基金（62376252）；浙江省自然科学基金(LZ22F030003)

针对目前主流低光行人检测框架因为此任务中的图像亮度和对比度不足的原因导致性能下降的问题，提出了RetinaHA-YOLOv8算法。该算法通过采用RetinexFormer作为前置处理模块来恢复受损图像，确保后续算法能够从增强后的图像中提取到更加清晰和有用的特征；并利用HAT注意力机制在初始阶段保留关键信息并在特征融合后促进深度融合；最后为平衡额外计算负担并满足实时检测需求，引入在线重参数化卷积技术，以提高推理速度和每秒处理的帧数，同时保持检测精度。实验结果验证了RetinaHA-YOLOv8算法在公开低光行人检测数据集上的有效性，AP分别提升5.4%,11.7%和9.5%，且满足实际应用的实时性要求。

来源：2026年第3期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2026年第3期