低光环境下行人检测的自动标注
计算机视觉与模式识别
2026-03-16 v3
摘要
RGB图像中的行人检测是行人安全的关键任务，因为最常用的传感器（如自动驾驶车辆和高级驾驶辅助系统）就是RGB摄像头。在RGB行人检测中，一个尚未有大规模公开数据集涵盖的挑战是低光条件。为此，本研究提出了一种自动红外-RGB标注流程。该流程包括：1）红外检测，使用针对红外行人检测的微调模型；2）将红外检测结果传递至其RGB对应物；3）使用生成的标签训练低光RGB行人检测模型。本研究采用KAIST数据集进行。评估方面，分别在生成的自动标签和真实标签上训练目标检测模型。与此前在未见图像序列上的比较结果显示，在mAP@50和mAP@50-95指标上，采用生成标签训练的模型在6个9个案例中均优于采用真实标签训练的模型。该研究的源代码可在 https://github.com/BouzoulasDimitrios/IR-RGB-Automated-LowLight-Pedestrian-Labeling 查阅。
引用
@article{arxiv.2507.02513,
title = {Automatic Labelling for Low-Light Pedestrian Detection},
author = {Dimitrios Bouzoulas and Eerik Alamikkotervo and Risto Ojala},
journal= {arXiv preprint arXiv:2507.02513},
year = {2026}
}