YOLOv11改进缝合AirNet | 面对未知损坏图像的高效目标检测方法

YOLOv11改进缝合AirNet | 面对未知损坏图像的高效目标检测方法

YOLO系列模型一直在目标检测领域表现出色，随着YOLOv11的发布，许多新颖的优化方案不断涌现，尤其是在复杂场景中的检测效果。为了进一步提升YOLOv11在特殊场景中的表现，本文介绍了一种全新的图像修复技术——AirNet（All-in-one Image Restoration Network），该网络通过结合全能图像修复技术，特别是“对比基降解编码器”（CBDE）与“降解引导修复网络”（DGRN），帮助YOLOv11在处理复杂场景时具有更高的鲁棒性。

在本文中，我们研究了图像修复中的一个具有挑战性的问题，即如何开发一种全能方法，能够从各种未知的图像损坏类型和损坏程度中恢复图像。为此，我们提出了一种全能图像修复网络（AirNet），它由两个神经模块组成，分别是基于对比的退化编码器（CBDE）和退化引导修复网络（DGRN）。AirNet的主要优点有两个方面：首先，它是一种全能解决方案，能够在一个网络中恢复各种退化的图像；其次，AirNet不依赖于损坏类型和程度的先验知识，它仅使用观察到的退化图像进行推理。这两个优点使得AirNet在实际应用中具备了更好的灵活性和更高的经济性，因为在现实世界中，损坏的先验信息往往难以获得，而且退化情况会随着空间和时间变化。大量实验结果表明，所提出的方法在四个具有挑战性的数据集上超越了17个图像修复基线方法。