SFNet网络

事件融合增强

通过结构感知融合，利用事件数据补偿图像信息损失，实现光照鲁棒的交通目标检测。

刘占文 · Yang, Nan · Wang, Yang · 李玉珂 · Zhao, Xiangmo · 王飞跃

IEEE Transactions on Intelligent Transportation Systems 2024

参数信息

检测精度(mAP50)

7.9 %

检测精度(mAP50:95)

3.8 %

技术优势

光照变化不慌

通过事件流补偿图像丢失的结构信息，网络能获得光照鲁棒的表示，从而在剧烈光照变化下稳定检测。

结构不失真

提出的RSGNet生成速度不变帧，保证了无论目标运动快慢，事件帧中物体结构都完整清晰。

超越纯相机

在DSEC-Det数据集上，SFNet的mAP50比YOLOX高7.9%，证明融合方法突破了传统相机的感知边界。

应用场景

• 自动驾驶感知：在过隧道、夜间等光照突变时可靠检测车辆行人，替代易失效的纯相机方案。
• 智能交通系统：提升全天候交通监控的检测稳定性，减少因光照导致的漏检。
• 无人机视觉：在无人机高速飞行和光照变化时保持目标结构完整，提升机载检测鲁棒性。
• 机器人视觉：让机器人在室内外光照不均的环境中稳定识别物体，扩展其工作场景。