CF-YOLO: Cross Fusion YOLO for Object Detection in Adverse Weather with a High-quality Real Snow Dataset

朋友圈看到的一篇文章，名字挺有趣，从arxiv下载来读读

从名字来看主要是读cross fusion部分，雪地场景数据集不必在意

Abstract

  • 现有的检测器难以学习在雪中检测的潜在信息。

  • 建立了一个真是世界的雪地目标检测数据集（real-world snowy object detection dataset），命名为RSOD。

  • 开发了一种具有独特激活功能的无监督训练策略，称为Peak Act，用来定量评估雪对每个物体的影响。

  • CF(Cross Fusion)是一个即插即用的 特征聚合模块 ，集成了特征金字塔和路径聚合网络的优点。 可以处理雪的模糊、失真、覆盖等不利检测问题 ——一开始我觉得在烟雾检测上兴许也适用，后来发现不是的，它不是检测雪，是检测雪中的物体，雪只是一种遮挡物来看的。

1. Introduction

提出一个问题：建立真实的RSOD数据集和开发特征聚合模块来学习潜在信息的协同作用，真的可以增强雪地条件下前沿（cutting-edge）OD网络的能力吗？

To answer this question：

  1. RSOD，用于检测真实的雪地目标。包含2100个真实世界的雪景图像，以C