DADFNet：面向视频赋能智能交通的双重注意力与双频引导去雾网络
计算机视觉与模式识别
2023-04-20 v1
摘要
视觉监控技术是先进交通管理系统中不可或缺的功能组件。它已被应用于执行目标检测、跟踪与识别等交通监管任务。然而，雾、霾、薄雾等恶劣天气条件给基于视频的交通监控带来了严峻挑战。为消除恶劣天气条件的影响，我们提出了一种双重注意力与双频引导去雾网络（称为 DADFNet）用于实时能见度增强。它由双重注意力模块（DAM）与高低频引导子网络（HLFN）组成，联合考虑注意力与频率映射以引导无雾场景重建。在合成与真实世界图像上的大量实验证明了 DADFNet 在能见度增强与检测精度提升方面优于当前最优（SOTA）方法。此外，DADFNet 在 2080 Ti GPU 上处理一张 1,920 * 1,080 图像仅需 ms，使其非常高效地部署于智能交通系统。
引用
@article{arxiv.2304.09588,
title = {DADFNet: Dual Attention and Dual Frequency-Guided Dehazing Network for Video-Empowered Intelligent Transportation},
author = {Yu Guo and Ryan Wen Liu and Jiangtian Nie and Lingjuan Lyu and Zehui Xiong and Jiawen Kang and Han Yu and Dusit Niyato},
journal= {arXiv preprint arXiv:2304.09588},
year = {2023}
}
备注
This paper is accepted by AAAI 2022 Workshop: AI for Transportation