感知穿透：基于人类视觉线索的低可见度条件下的目标检测
计算机视觉与模式识别
2025-02-11 v3
摘要
本研究提出一种新型深度学习框架，灵感来自大气散射和人类视觉皮层机制，以增强在雾、烟雾和雾霾等恶劣可见性情景下的目标检测能力。这些情景对目标识别提出重大挑战，影响自动驾驶、航空管理和安保系统等多个领域。目标是提高恶劣环境条件下检测系统的精度和可靠性。研究探讨了将人类类视觉线索，特别是选择性注意和环境适应性，整合到目标检测中的影响。本文提出一种多层次策略：包括初始快速检测过程、针对性区域去雾，以及深入检测阶段。该方法使用 Foggy Cityscapes、RESIDE-beta（OTS 和 RTTS）数据集进行验证，预计将在检测精度方面制定新的性能标准，同时显著优化计算效率。研究结果为增强恶劣可见性下的目标检测提供了可行方案，并为将人类视觉原理整合到深度学习算法以应对复杂视觉识别挑战提供了更广泛的理解。
引用
@article{arxiv.2410.01225,
title = {Perceptual Piercing: Human Visual Cue-based Object Detection in Low Visibility Conditions},
author = {Ashutosh Kumar},
journal= {arXiv preprint arXiv:2410.01225},
year = {2025}
}
备注
I have submitted another paper of mine: arXiv:2502.02027 which is a different version of this paper