本研究利用高光谱成像技术提升高级驾驶辅助系统在恶劣天气下的图像分割效果，实验结果表明全卷积网络显著增强了其在车辆场景中的应用能力。

本文研究了从低分辨率、高遮挡和大透视的网络摄像头视频中理解交通密度的问题，并提出了基于排名约束回归和基于全卷积网络的两种方法。通过在大规模交通视频数据集上的评估和比较，发现全卷积网络方法相对于基线有显著改善。收集和标记的大规模交通视频数据集可以解决现有数据集限制。

本文提出了一种全卷积网络用于迭代非盲去卷积，能够学习自适应的图像先验，保持局部和全局信息。经评估表明，该方法在质量和速度方面表现优异，可胜任同类算法。