生或熟？RAW 图像上的目标检测
计算机视觉与模式识别
2024-04-08 v2 机器学习
摘要
输入深度神经网络的图像通常经过若干手工设计的图像信号处理（ISP）操作，这些操作均被优化以产生视觉愉悦的图像。本工作中，我们研究如下假设：相较于 RAW 图像表示，视觉愉悦图像的中间表示对于下游计算机视觉任务而言是次优的。我们建议，ISP 的操作应面向最终任务进行优化，通过在训练中联合学习操作参数来实现。我们扩展了此前该主题的工作，并提出一种新的可学习操作，使目标检测器相较于此前工作与传统 RGB 图像均能取得更优性能。在公开 PASCALRAW 数据集上的实验实证地确认了我们的假设。
引用
@article{arxiv.2301.08965,
title = {Raw or Cooked? Object Detection on RAW Images},
author = {William Ljungbergh and Joakim Johnander and Christoffer Petersson and Michael Felsberg},
journal= {arXiv preprint arXiv:2301.08965},
year = {2024}
}
备注
SCIA 2023