研究人员开发了 FR-DETR，一个新颖的目标检测框架，专门解决恶劣天气条件带来的挑战。与增强整个图像的先前方法不同，FR-DETR 在感兴趣区域内细化特征，使其计算效率更高。该系统包含一个频率细化模块，通过操纵频率分量来更好地区分前景和背景，以及一个循环焦点细化模块，该模块使用初始预测迭代地改进特征细化。 AI
影响 这项研究提供了一种在具有挑战性的视觉条件下进行目标检测的更有效的方法，有可能改进在恶劣天气下运行的自主系统。
排序理由 该集群包含一篇详细介绍目标检测新方法的论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.30471v1 Announce Type: new Abstract: Object detection under adverse weather remains challenging due to severe visual degradations and domain shifts. Existing enhancer-based approaches attempt to improve detection by cascading an enhancer with a detector, but they intro…
Object detection under adverse weather remains challenging due to severe visual degradations and domain shifts. Existing enhancer-based approaches attempt to improve detection by cascading an enhancer with a detector, but they introduce redundant feature extraction and incur high…