PulseAugur
中
实时 10:11:42
English(EN) Enhancing Visual Perception in Foggy Conditions via Multiclass Fog Density Modeling

特定雾密度模型提升自动驾驶感知能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种通过多类别雾密度建模来提高自动驾驶系统在雾天视觉感知能力的方法。他们没有使用单一模型，而是为从清晰到特浓雾的五个不同雾密度级别训练了独立的感知模型。这种方法显著提高了在严重雾天条件下的性能，特浓雾类别的召回率提高了15.6个百分点。研究结果表明，专用模型增强了自动驾驶汽车在恶劣可见度条件下运行的鲁棒性。 AI

影响 专用模型可以提高自动驾驶汽车在恶劣天气条件下的可靠性。

排序理由 学术论文，详细介绍了提高AI感知能力的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

特定雾密度模型提升自动驾驶感知能力

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Mohamad Mofeed Chaar, Galia Weidl ·

    Enhancing Visual Perception in Foggy Conditions via Multiclass Fog Density Modeling

    arXiv:2608.01572v1 Announce Type: new Abstract: Autonomous driving (AD) systems have advanced rapidly over the past decade; however, robust perception under adverse weather conditions remains a major challenge, particularly in dense fog. In this work, we investigate fog-aware per…

相关实体

相关话题