RHRSegNet: 重光照高分辨率夜间语义分割
计算机视觉与模式识别
2024-07-09 v1
摘要
夜间语义分割是计算机视觉中的一项关键任务，专注于在低光照条件下对物体进行精确分类和分割。与在夜间场景中通常表现较差的日间技术不同，由于光照不足、低照度、动态光照、阴影效应和对比度降低，夜间语义分割对于自动驾驶至关重要。我们提出了RHRSegNet，它在高分辨率网络上实现了一个重光照模型用于语义分割。RHRSegNet采用残差卷积特征学习来处理复杂的光照条件。然后，我们的模型将光照后的场景特征图输入到一个高分辨率网络中进行场景分割。该网络由一个卷积层组成，生成不同分辨率的特征图，通过下采样和上采样实现不同级别的分辨率。我们使用大型夜间数据集进行训练和评估，例如NightCity、City-Scape和Dark-Zurich数据集。我们提出的模型在低光照或夜间图像上将HRnet的分割性能提升了5%。
引用
@article{arxiv.2407.06016,
title = {RHRSegNet: Relighting High-Resolution Night-Time Semantic Segmentation},
author = {Sarah Elmahdy and Rodaina Hebishy and Ali Hamdi},
journal= {arXiv preprint arXiv:2407.06016},
year = {2024}
}