ABCDWaveNet：通过动态频率-空间协同推进雾天下的鲁棒道路积水检测
计算机视觉与模式识别
2025-04-08 v1
摘要
道路积水对车辆安全构成重大威胁，特别是在恶劣的雾天条件下，可靠检测一直是高级驾驶辅助系统（ADAS）面临的持续挑战。为解决此问题，我们提出了 ABCDWaveNet，这是一种利用动态频率-空间协同进行鲁棒雾天积水检测的新型深度学习框架。ABCDWaveNet 的核心通过将用于在不同能见度下进行自适应特征提取的动态卷积与用于协同频率-空间特征增强的小波模块相结合来实现这种协同，显著提高了对雾天干扰的鲁棒性。在此基础之上，ABCDWaveNet 捕获多尺度结构和上下文信息，随后采用自适应注意力耦合门（AACG）自适应地融合全局和局部特征以提高准确性。为了在组合恶劣条件下进行真实评估，我们引入了 Foggy Low-Light Puddle 数据集。大量实验表明，ABCDWaveNet 创下了新的 SOTA 性能，在 Foggy-Puddle、Puddle-1000 和我们的 Foggy Low-Light Puddle 数据集上分别取得了 3.51%、1.75% 和 1.03% 的显著交并比（IoU）提升。此外，其在 NVIDIA Jetson AGX Orin 上 25.48 FPS 的处理速度证实了其适合 ADAS 部署。这些发现强调了 ABCDWaveNet 中提出的动态频率-空间协同的有效性，为开发能够在恶劣天气条件下可靠运行的主动道路安全解决方案提供了有价值的见解。
引用
@article{arxiv.2504.05112,
title = {ABCDWaveNet: Advancing Robust Road Ponding Detection in Fog through Dynamic Frequency-Spatial Synergy},
author = {Ronghui Zhang and Dakang Lyu and Tengfei Li and Yunfan Wu and Ujjal Manandhar and Benfei Wang and Junzhou Chen and Bolin Gao and Danwei Wang and Yiqiu Tan},
journal= {arXiv preprint arXiv:2504.05112},
year = {2025}
}