变废为宝：基于分解与聚合的低光照目标检测
计算机视觉与模式识别
2023-09-08 v1
摘要
低光照场景下的目标检测在过去几年中备受关注。一种主流且具有代表性的方案将增强器作为常规检测器的预处理。然而，由于增强器与检测器之间任务目标的不一致，该范式无法发挥其最佳能力。在本工作中，我们试图激发增强器+检测器的潜力。与现有工作不同，我们将基于光照的增强器（我们新设计的或已有的）扩展为场景分解模块，其移除的光照被用作检测器中的辅助信息以提取检测友好特征。进一步建立了语义聚合模块，用于在上下文空间中整合多尺度场景相关语义信息。实际上，我们构建的方案成功地将检测器中被忽略的“废弃物”（即光照）转化为检测器的“珍宝”。大量实验表明了我们相对于其他最先进方法的优越性。代码若被接收将公开。
引用
@article{arxiv.2309.03548,
title = {Trash to Treasure: Low-Light Object Detection via Decomposition-and-Aggregation},
author = {Xiaohan Cui and Long Ma and Tengyu Ma and Jinyuan Liu and Xin Fan and Risheng Liu},
journal= {arXiv preprint arXiv:2309.03548},
year = {2023}
}