基于ESRGAN增强分辨率与Faster R-CNN的自适应目标检测
计算机视觉与模式识别
2025-06-16 v1
摘要
本研究提出了一种改进方法，用于从低分辨率图像中进行目标检测，通过集成增强超分辨生成对抗网络（ESRGAN）和更快区域卷积神经网络（Faster R-CNN）。ESRGAN 用于增强低质量图像，恢复细节并提高清晰度，而 Faster R-CNN 则在增强后的图像上进行精确的目标检测和定位。这种技术组合确保了即使在输入质量较差的情况下，也能实现更好的检测性能，为那些图像分辨率不稳定的应用提供了有效解决方案。ESRGAN 作为预处理步骤用于增强低分辨率输入图像，有效恢复丢失的细节并提高整体图像质量。随后，增强后的图像被输入到 Faster R-CNN 模型中进行精确的目标检测和定位。实验结果表明，这种集成方法的性能优于直接应用于低分辨率图像的传统方法。该提议框架为应用提供了有前景的解决方案，适用于图像质量可变或受限的场景，使目标检测在挑战性情境下更加稳健可靠。
关键词
引用
@article{arxiv.2506.11122,
title = {Adaptive Object Detection with ESRGAN-Enhanced Resolution & Faster R-CNN},
author = {Divya Swetha K and Ziaul Haque Choudhury and Hemanta Kumar Bhuyan and Biswajit Brahma and Nilayam Kumar Kamila},
journal= {arXiv preprint arXiv:2506.11122},
year = {2025}
}