面向多样条件的 RAW 对象检测
计算机视觉与模式识别
2024-11-26 v1
摘要
现有对象检测方法通常考虑sRGB输入，这些输入是使用最初为可视化而设计的ISP将RAW数据压缩而得。然而，这种压缩可能在复杂光照和天气条件下丢失对检测至关重要的信息。我们引入AODRaw数据集，提供7,785张高分辨率真实RAW图像，包含135,601个标注实例，覆盖62个类别，捕捉广泛的室内外场景，涵盖9种不同的光照和天气条件。基于AODRaw支持RAW和sRGB对象检测，我们提供了全面的基准用于评估当前检测方法。我们发现sRGB预训练受限于RAW对象检测的潜力，因为sRGB与RAW之间存在域间差异，这促使我们直接在RAW域上进行预训练。然而，由于相机噪声，RAW预训练比sRGB预训练更难学习丰富的表征。为帮助RAW预训练，我们从在sRGB域上预训练的成熟模型中蒸馏知识。结果是在多样且不利条件下实现了显著提升，而无需依赖额外的预处理模块。代码和数据集均可在https://github.com/lzyhha/AODRaw 获取。
引用
@article{arxiv.2411.15678,
title = {Towards RAW Object Detection in Diverse Conditions},
author = {Zhong-Yu Li and Xin Jin and Boyuan Sun and Chun-Le Guo and Ming-Ming Cheng},
journal= {arXiv preprint arXiv:2411.15678},
year = {2024}
}