HazyDet: 面向雾霾场景下无人机视角目标检测的深度线索开源基准
计算机视觉与模式识别
2025-05-27 v2
摘要
在恶劣大气条件（尤其是雾霾）下从空中平台进行目标检测，对于实现鲁棒的无人机自主性至关重要。然而，这一领域在很大程度上仍未得到充分探索，主要受限于缺乏专门的基准。为弥补这一空白，我们提出了\textit{HazyDet}，这是首个专门为雾霾条件下无人机视角目标检测设计的大规模基准。HazyDet包含383,000个真实世界实例，这些实例来源于自然雾霾捕获和从清晰图像增强的合成雾霾场景，为推进检测算法提供了一个具有挑战性和现实性的测试平台。为了解决雾霾引起的严重视觉退化问题，我们提出了深度条件检测器(DeCoDet)，这是一种新颖的架构，它集成了一个深度条件核，能够基于深度线索动态调制特征表示。通过采用渐进式域微调(PDFT)策略来应对合成到真实的域偏移，以及尺度不变修复损失(SIRLoss)来确保从可能带有噪声的深度标注中进行稳健学习，DeCoDet的实际功效和鲁棒性得到了进一步增强。在HazyDet上进行的全面实证验证证实了我们统一的DeCoDet框架的优越性，它在具有挑战性的真实世界雾霾测试场景中实现了最先进的性能，比最接近的竞争对手高出+1.5% mAP。我们的数据集和工具包可在https://github.com/GrokCV/HazyDet获取。
引用
@article{arxiv.2409.19833,
title = {HazyDet: Open-Source Benchmark for Drone-View Object Detection with Depth-Cues in Hazy Scenes},
author = {Changfeng Feng and Zhenyuan Chen and Xiang Li and Chunping Wang and Jian Yang and Ming-Ming Cheng and Yimian Dai and Qiang Fu},
journal= {arXiv preprint arXiv:2409.19833},
year = {2025}
}
备注
We have updated our method, resulting in a large improvement in detection performance