本文记录的是利用。AdaFocal（Calibration-aware Adaptive Focal Loss）通过。本文利用AdaFocal损失改进YOLOv8，先通过等质量分箱量化各区间校准误差，再基于上轮γ与误差指数迭代调整当前参数，自动在focal与逆focal间切换并约束边界，，让模型在关键任务中预测更可靠、小目标目标识别更稳定。

本文记录的是利用。AdaFocal（Calibration-aware Adaptive Focal Loss）通过。本文利用AdaFocal损失改进YOLOv13，先通过等质量分箱量化各区间校准误差，再基于上轮γ与误差指数迭代调整当前参数，自动在focal与逆focal间切换并约束边界，，让模型在关键任务中预测更可靠、小目标目标识别更稳定。

CEM（Color Enhancement Module，颜色增强模块）旨在解决雾天图像RGB颜色失真、色度信息弱、色调不一致的问题。RGB空间在雾霾下亮度被干扰、颜色特征模糊，而YCbCr空间的色度分量对雾霾不敏感，能保留更纯净的颜色信息。CEM通过提取YCbCr的色度特征来调制RGB特征，在不进行颜色空间转换的前提下，恢复自然色调、增强颜色感知，让去雾后的图像色彩更准确、对比度更自然。

原因：数据集在之前的项目中产生缓存，在更换工程进行训练时，需要将这个文件删掉才可以正常训练。解决办法：将数据集文件夹下所有的。

原因：数据集在之前的项目中产生缓存，在更换工程进行训练时，需要将这个文件删掉才可以正常训练。解决办法：将数据集文件夹下所有的。