ERUP-YOLO: 通过统一图像自适应处理增强恶劣天气条件下的对象检测鲁棒性 !

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 作者提出了一种针对恶劣天气条件（如雾和低光）的图像自适应目标检测方法。作者的框架使用可微处理滤波器进行图像增强，以便进行后期的目标检测。作者的框架引入了两种可微滤波器： 一种基于贝塞尔曲线（BPW）像素化的可微滤波器，另一种基于核的局部（KBL）可微滤波器。 这些滤波器将经典图像处理滤波器的功能统一在一起，并提高了目标检测的性能。作者还提出了一种针对BPW滤波器的跨域自适应数据增强策略。 作者的方法不需要针对特定数据的自定义滤波器组合、参数范围和数据增强。作者通过将所提出的基于增强鲁棒性的统一图像处理（ERUP）-YOLO方法应用到YOLOv3检测器上，来评估作者提出的改进方法。 在恶劣天气数据集 ………………………………