面向跨域目標檢測的物理驅(qū)動霧霾數(shù)據(jù)集構(gòu)建與評估

打開文本圖片集

引言

近年來，隨著深度學習在計算機視覺中的快速發(fā)展，圖像去霧任務取得了顯著進展。特別是基于卷積神經(jīng)網(wǎng)絡和Transformer的模型不斷刷新性能指標。然而，這類方法的實際效果在很大程度上依賴于訓練與評估數(shù)據(jù)集的質(zhì)量?，F(xiàn)有霧霾圖像數(shù)據(jù)集主要分為兩類：一類來源于真實場景拍攝，受限于設備、氣象和場景，難以大規(guī)模獲?。涣硪活愅ㄟ^物理模型對清晰圖像進行合成，雖具可擴展性，但在光學、色彩、結(jié)構(gòu)等方面與真實霧霾存在差距，影響算法泛化能力。（剩余5742字）