基于YOLOv8 的 Weather UNet 助力恶劣天气下的安全导航 ！

文章预览

ADAS  Laboratory 点击上方 蓝字 关注  智驾实验室           加入【 智驾实验室 】交流群， 获取更多内容和资料 在将基于机器学习的高级驾驶辅助系统（ML-ADAS）部署到现实世界场景中，恶劣天气条件构成了一个重大挑战。 传统上在晴好天气数据上训练的ML模型在面对极端雾气或大雨等场景时会失误，可能导致事故和安全风险。 本文通过提出一种新颖的方法来解决这一问题：使用去噪深度神经网络作为预处理步骤，将恶劣天气图像转换为晴好天气图像，从而增强了ML-ADAS系统的鲁棒性。 所提出的方法消除了在ML-ADAS流程中重新训练所有后续深度神经网络（DNN）的需要，因此节省了计算资源和时间。 此外，它还改善了驾驶员的视线，这对于在恶劣天气条件下安全导航至关重要。通过利用在增强的KITTI数据集上训练的UNet架构，结合合成恶劣天气图像，作 ………………………………