L’amélioration d’images en faible luminosité est une tâche de vision par ordinateur visant à intensifier les images sombres afin de les rendre adaptées à une luminosité appropriée. Ce problème peut également être considéré comme mal posé dans le domaine du restauration d’images. Grâce au succès des réseaux neuronaux profonds, les réseaux de neurones convolutifs ont dépassé les méthodes traditionnelles basées sur des algorithmes et sont devenus la norme dans le domaine de la vision par ordinateur. Afin d’améliorer les performances des algorithmes d’amélioration, nous proposons un réseau d’amélioration d’images (HWMNet) basé sur un modèle hiérarchique amélioré : M-Net+. Plus précisément, nous intégrons un bloc d’attention par ondelettes demi-ondelettes dans M-Net+ afin d’enrichir les caractéristiques extraites du domaine des ondelettes. En outre, notre HWMNet obtient des résultats compétitifs sur deux jeux de données d’amélioration d’images, tant en termes de métriques quantitatives que de qualité visuelle. Le code source et le modèle pré-entraîné sont disponibles à l’adresse suivante : https://github.com/FanChiMao/HWMNet.