用于恶劣天气条件下目标检测的图像自适应 YOLO

文章预览

用于恶劣天气条件下目标检测的图像自适应 YOLO ❝ 现有的方法要么难以平衡 图像增强 和 目标检测 的任务，要么经常忽略有利于检测的潜在信息。本文提出了一种新颖的 图像自适应 YOLO（IA-YOLO）框架 ，其中每个图像都可以自适应增强以获得更好的检测性能。  原文：Liu, W., Ren, G., Yu, R., Guo, S., Zhu, J., & Zhang, L. (2022, June). Image-adaptive YOLO for object detection in adverse weather conditions. In Proceedings of the AAAI Conference on Artificial Intelligence (Vol. 36, No. 2, pp. 1792-1800). Introduction 由于输入图像中的域偏移，由高质量图像训练的一般目标检测模型在不利天气条件（例如雾天和暗光）下通常无法达到令人满意的结果。恶劣天气主要是由天气特定信息与物体之间的相互作用引起的，从而导致检测性能较差。下图显示了雾天条件下物体检测的示例。可以看出，如果图像能够 ………………………………