37 让YOLOv11在弱光环境下“睁眼看世界”：自监督去噪与自适应增益控制你是否有过这样的经历？深夜加班回家，小区路灯昏暗，你掏出手机想拍下停在路边的爱车——结果照片里全是噪点，车牌根本看不清。更糟的是，你训练好的YOLOv11模型部署到安防摄像头上，白天检测准确率95%，一到晚上直接掉到60%以下。客户拍着桌子问：“这模型是白天上班晚上睡觉吗？”这不是模型笨，而是我们忽略了真实世界中最残酷的现实：光照不足时，传感器信噪比急剧下降，模型在训练时从未见过这种“被噪声淹没”的特征分布。今天这篇，我就带你解决这个困扰工业界多年的“夜盲症”问题。痛点拆解：为什么你的模型在弱光下“瞎了”？最常见的错误做法是：直接在低光照图像上训练模型。你以为模型能学会“透过噪声看本质”，但实际上它只是在记忆噪声模式。来看一个典型的反例：# 错误做法：直接喂入低光照数据importcv2importnumpyasnpfromultralytics
37 让YOLOv11在弱光环境下“睁眼看世界”：自监督去噪与自适应增益控制你是否有过这样的经历？深夜加班回家，小区路灯昏暗，你掏出手机想拍下停在路边的爱车——结果照片里全是噪点，车牌根本看不清。更糟的是，你训练好的YOLOv11模型部署到安防摄像头上，白天检测准确率95%，一到晚上直接掉到60%以下。客户拍着桌子问：“这模型是白天上班晚上睡觉吗？”这不是模型笨，而是我们忽略了真实世界中最残酷的现实：光照不足时，传感器信噪比急剧下降，模型在训练时从未见过这种“被噪声淹没”的特征分布。今天这篇，我就带你解决这个困扰工业界多年的“夜盲症”问题。痛点拆解：为什么你的模型在弱光下“瞎了”？最常见的错误做法是：直接在低光照图像上训练模型。你以为模型能学会“透过噪声看本质”，但实际上它只是在记忆噪声模式。来看一个典型的反例：# 错误做法：直接喂入低光照数据importcv2importnumpyasnpfromultralytics
)
