低照明下学习：面向交通标志识别的数据集与算法
计算机视觉与模式识别
2026-04-28 v2 计算机与社会
摘要
交通标志牌是道路安全和智能交通系统的关键，使导航和自动驾驶成为可能。然而，在夜间识别交通标志仍未得到充分探索，由于缺乏捕捉低光降解和干扰类别的真实公开数据集。现有基准主要为白天，无法反映如头灯眩光、运动模糊、传感器噪声以及被破坏或模糊标志牌等挑战。为此，我们引入INTSD（Indian Nighttime Traffic Sign Dataset），一个大型夜间交通标志数据集，收集于印度各地。INTSD包含街景图像，覆盖41类交通标志、多个干扰类别，以及多样的照明和天气条件。该数据集旨在支持真实夜间情景下的检测和细粒度分类。为对INTSD进行夜间标志识别，我们在标准化协议下进行了广泛评估，采用最先进的检测和分类模型。此外，我们提出LENS-Net，一个强大的基线模型，将自适应光照感知检测与多模态语义推理集成，以实现稳健的夜间标志分类。实验和消融研究表明，INTSD带来的挑战，为未来研究建立了竞争的基线。该数据集和LENS-Net的代码均公开可用。
引用
@article{arxiv.2511.17183,
title = {Learning Under Low Illumination: A Dataset and Algorithm for Traffic Sign Recognition},
author = {Aditya Mishra and Akshay Agarwal and Haroon Lone},
journal= {arXiv preprint arXiv:2511.17183},
year = {2026}
}