YOLOv11改进 | 特殊场景检测篇 | 轻量级的低照度图像增强网络IAT改进yolov11暗光检测（全网独家首发改进）

 一、本文介绍

本文给大家带来的改进机制是轻量级的变换器模型：Illumination Adaptive Transformer (IAT)，用于图像增强和曝光校正。其基本原理是通过分解图像信号处理器（ISP）管道到局部和全局图像组件，从而恢复在低光或过/欠曝光条件下的正常光照sRGB图像。具体来说，IAT使用注意力查询来表示和调整ISP相关参数，例如颜色校正、伽马校正。模型具有约90k参数和约0.004s的处理速度，能够在低光增强和曝光校正的基准数据集上持续实现优于最新技术（State-of-The-Art, SOTA）的性能，我们将其用于YOLOv11上来改进我们模型的暗光检测能力，同时本文的内容不影响其它的模块改进。

 欢迎大家订阅我的专栏一起学习YOLO！ 

   专栏回顾：YOLOv11改进系列专栏——本专栏持续复习各种顶会内容——科研必备

目录

 一、本文介绍

二、基本原理

2.1 IAT原理

2.2 IAT的核心模块

三、核心代码 

四、手把手教你添加IAT低照度图像增强网络

 4.1 修改一

4.2 修改二 

4.3 修改三 

4.4 修改四 

五、IAT的yaml文件和运行记录

5.1 IAT的yaml文件

5.2 训练代码 

5.3 IAT的训练过程截图 

五、本文总结

二、基本原理

论文地址：官方论文地址点击此处即可跳转

代码地址：官方代码地址点击此处即可跳转

2.1 IAT原理

本文提出了一个轻量级的变换器模型：Illumination Adaptive Transformer (IAT)<