基于热红外图像与多级 GAN 的低照度条件下车辆检测
计算机视觉与模式识别
2023-06-27 v2
摘要
车辆检测在良好光照条件下相当准确，但在低光条件下易受检测精度下降的影响。低光与车辆前灯或尾灯眩光的联合效应使得最先进的物体检测模型更可能漏检车辆。然而，热红外图像对照明变化具有鲁棒性，且基于热辐射。近来，生成对抗网络（GANs）已广泛用于图像域迁移任务。最先进的 GAN 模型试图通过将红外图像转换为白天 RGB 图像来提升夜间车辆检测精度。然而，这些模型在夜间条件下的表现被发现不如白天条件，因为白天红外图像与夜间红外图像外观不同。因此，本研究尝试通过提出三种基于两个不同层级 GAN 模型组合的不同方法来缓解此缺陷，这些方法试图缩小白天与夜间红外图像之间的特征分布差距。通过使用最先进的物体检测模型测试所提模型，已开展定量分析以比较所提模型与最先进模型的性能。定量与定性分析均表明，所提模型在夜间车辆检测上优于最先进的 GAN 模型，显示了所提模型的有效性。
引用
@article{arxiv.2209.09808,
title = {Thermal infrared image based vehicle detection in low-level illumination conditions using multi-level GANs},
author = {Shivom Bhargava and Sanjita Prajapati and Pranamesh Chakraborty},
journal= {arXiv preprint arXiv:2209.09808},
year = {2023}
}