本文主要是介绍Advancing Image Understanding in Poor Visibility Environments: A Collective Benchmark Study 论文阅读笔记,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
- 这是一个比赛,有三个赛道,一个是雾天目标检测,一个是雨天目标检测,一个是黑暗目标检测。
- 高质量的图片有两种需求方,一个是人类视觉,这主要在电视节目、视频直播等应用中体现到;另一个需求方是自动/辅助驾驶、无人机等应用中体现到。然而现有的图像质量增强系统通常只能顾及两者之一。现有的 high-level 的系统也默认输入的图片是高质量的图片
- 雾天的目标检测准确率确实可以因去雾算法而提高,效果较好的几个模型也都是先用去雾模型去雾,然后再用目标检测模型检测;但是冠军算法是直接end-to-end地进行目标检测。
- 黑暗目标检测的冠军算法则是直接先增亮再目标检测。值得一提的是,训练目标检测模型用的是增亮模型的输出。
- 然而令人失望的是,现存的所有的去雨算法,都无法提高目标检测的准确率。
这篇关于Advancing Image Understanding in Poor Visibility Environments: A Collective Benchmark Study 论文阅读笔记的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!