GHD-DETR: Gated Hierarchical Dynamic Architecture for Object Detection Under Complex Imaging Conditions
该论文提出了 GHD-DETR，一种新型检测 Transformer 架构，其通过引入 GatedNestStage、BDB 和 HAGF 模块，显著增强了在复杂成像条件下对小目标、遮挡目标及低对比度目标的检测鲁棒性，并在 RTTS、HazyDet 和 DUO 等挑战性数据集上实现了大幅度的性能提升。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
自动驾驶汽车依赖于一对数字眼睛来在世界中导航，不断扫描道路以识别汽车、行人及骑行者。为了让这些系统安全运行，它们必须实现绝对精准的物体识别，即使在视野不佳的情况下也是如此。然而在现实世界中，摄像机的视野经常受到雾气、大雨或浑浊水流的影响，这些因素会散射光线并冲淡色彩。当图像变得模糊或朦胧时，定义车辆或人的细微边缘开始消散，使得标准计算机视觉软件难以分辨一个物体在哪里结束，以及背景从哪里开始。这不仅仅是画质差的问题，而是一个关键的安全失效。如果一辆自动驾驶汽车无法将行人与雾团区分开来，后果可能是灾难性的。长期以来，研究人员一直致力于构建不仅能“看得更好”，而且能“理解得更好”的检测系统，即使在视觉信息退化且不完整的情况下也是如此。
来自新疆大学的一个研究小组开发了一种新系统，专门旨在解决这种通过模糊看清物体的问题。他们将这一创造物称为 GHD-DETR，这是一个复杂的架构，充当了视觉数据的强力过滤器，使计算机能够在传统方法经常失效的条件下检测物体。该系统针对三种截然不同且具有挑战性的环境进行了测试：现实世界的雾天交通场景、无人机捕捉到的密集城市雾气，以及能见度极低的浑浊水下画面。在每种情况下，新系统都优于现有方法，展示了在恢复那些此前因薄雾而丢失的物体形状和位置方面的显著能力。
这一成功的核心在于系统处理信息的方式。标准的检测工具通常平等地对待图像的所有部分，这导致它们在存在噪声和模糊时会产生混乱。然而，这种新方法使用了一种特殊的结构，其作用类似于一个多层筛子。它首先将图像分解成不同的尺寸，以同时捕捉大型轮廓和微小细节。在这个结构内部，一个被称为 GatedNestStage 的组件充当了守门员的角色。它检查传入的视觉数据，并决定哪些部分是有用的，哪些仅仅是由天气引起的噪声。通过过滤掉视觉干扰，同时保留物体的关键边缘，它确保系统只关注对识别至关重要的信息。
一旦系统隔离了有用的特征，它必须将这些特征组合起来，以形成对场景的完整图像。这正是第二个创新点发挥作用的地方。研究人员引入了一个模块，将处理过程分为两条并行路径。一条路径观察大局以理解整体语境，而另一条路径则放大细节，以捕捉在雾中经常丢失的精细局部细节。这两股信息流随后被合并在一起，其方式确保了系统在理解整体形状的同时，不会丢失物体边界的锐利度。这种双路径方法防止了系统因通常困扰雾天或水下图像的低对比度和模糊现象而产生混乱。
最后一块拼图是一个决定如何将这些不同层级的信息融合在一起的机制。在许多系统中，仅仅堆叠数据层可能会导致结果变得浑浊，从而淹没重要的细节。新系统使用了一种动态融合方法，在组合信息时会权衡每部分信息的重要性。它就像一位熟练的编辑，准确知道何时应该强调汽车的高层轮廓，何时应该突出行人衣物的特定纹理。这确保了最终输出是对物体清晰、自信的识别，无论原始图像的退化程度如何。
研究人员在三个困难的数据集上测试了他们的系统，以证明其价值。第一组由超过 4,000 张现实世界中的重雾交通图像组成，在这些场景中，能见度通常被缩减到仅剩几米。第二组包括数千张无人机拍摄的被浓雾笼罩的城市图像，其中包含了特别难以发现的小型车辆。第三组涉及水下图像，水本身会扭曲颜色并遮蔽边界。在雾天交通测试中，与之前的最佳方法相比，新系统提高汽车检测准确率超过 12 个百分点；对于巴士，提升更为显著，跃升了近 30 个百分点。在密集雾天场景中，系统实现了超过 9 个百分点的整体提升，而在水下测试中，它仍成功地将准确率提高了 4 个百分点以上。
这些结果表明，该系统不仅仅是一个微小的改进，而是机器在压力环境下感知世界方式的一次根本性转变。通过专门设计架构来应对雾气和水对光线扭曲的具体方式，研究人员创造了一个比前代产品更具韧性的工具。该系统并不试图清除雾气或净化水质，而是通过专注于场景内物体的结构完整性，学会了如何“看穿”这种扭曲。这种方法表明，未来在恶劣天气下的自动驾驶可能并不取决于更好的摄像头，而取决于更聪明地解读这些摄像头所捕捉到的不完美图像的方式。这项工作证实，只要设计得当，即使在周围世界变得难以辨认时，机器也能保持其态势感知能力。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。