雪地场景，清晰检测：面向恶劣天气条件下的交通灯检测鲁棒模型
计算机视觉与模式识别
2024-06-21 v1
摘要
随着自动驾驶车辆和先进驾驶辅助系统（ADAS）的兴起，确保在所有天气条件下可靠的目标检测对于安全和效率至关重要。雪、雨、雾等恶劣天气为当前检测系统带来了重大挑战，常导致检测失败并可能造成安全风险。本文引入了一套新颖的框架和管线，以提高此类条件下的目标检测精度，专注于交通信号灯检测，该环节在传统方法因恶劣天气引起的域迁移问题下往往失效。我们对现有技术的局限性进行了全面分析。我们提出的管线在雪、雨、雾条件下显著提升检测准确率。结果表明，与朴素微调相比，平均IoU和F1分数分别提高了40.8%；在训练人工雪图像、测试雨图像等域迁移场景下，性能提升22.4%。
引用
@article{arxiv.2406.13473,
title = {Snowy Scenes,Clear Detections: A Robust Model for Traffic Light Detection in Adverse Weather Conditions},
author = {Shivank Garg and Abhishek Baghel and Amit Agarwal and Durga Toshniwal},
journal= {arXiv preprint arXiv:2406.13473},
year = {2024}
}