YOLO系列在极强降雨中目标检测的挑战：基于CARLA模拟器的合成评估数据集
计算机视觉与模式识别
2023-12-15 v2
摘要
近年来，随着自动驾驶汽车在4级和5级方面的诸多研究取得进展，人们对自动驾驶汽车三大主要方面——感知、决策和控制技术的提升兴趣也日益增加。对于实现自动驾驶汽车可靠操控的感知技术而言，使用多种传感器（如LiDAR、雷达和摄像头）进行目标检测应被优先考虑。这些传感器需要在各种天气条件下准确、快速地检测物体，但在雨、雪或雾等恶劣天气条件下，它们往往难以持续检测物体。因此，在本研究中，基于在降水条件下实验获取的雨滴数据，我们通过CARLA模拟器构建了一个新颖的数据集，该数据集能够在各种降水条件下测试不同的网络模型。最终，基于我们的新数据集，我们使用单阶段检测器YOLO系列，定量验证了在从正常到极强降雨的各种降水条件下，目标检测性能会下降多少。
引用
@article{arxiv.2312.07976,
title = {Challenges of YOLO Series for Object Detection in Extremely Heavy Rain: CALRA Simulator based Synthetic Evaluation Dataset},
author = {T. Kim and H. Jeon and Y. Lim},
journal= {arXiv preprint arXiv:2312.07976},
year = {2023}
}