通过日夜风格迁移和无标签增强提升夜间车辆检测

本研究解决了现有深度学习对象检测模型在夜间环境下的性能不足，主要因为这些模型主要在白天图像上训练，并且在低光照条件下准确标注物体也是一大挑战。研究提出了一种无标签数据增强的创新框架，利用CARLA生成的合成数据进行日夜风格迁移，从而显著提升了夜间车辆检测的效果，提供了在低能见度环境中增强AI检测系统的有效解决方案。