论文分享：突破视觉边界：新型CPA-Enhancer模型助力目标检测在恶劣环境下精准识别

DeepVisionary 每日深度学习前沿科技推送&顶会论文分享，与你一起了解前沿深度学习信息！

CPA-Enhancer: Chain-of-Thought Prompted Adaptive Enhancer for Object Detection under Unknown Degradations

引言：挑战与机遇——在多重未知退化条件下的目标检测

在计算机视觉领域，目标检测是一项基础且关键的任务，其目标是从图像中识别出特定物体的位置和类别。随着深度学习技术的发展，基于深度学习的目标检测方法取得了显著的进展。然而，当图像质量受到退化影响时，如雾霾、低光照、雪天和雨天等条件，目标检测的性能会受到严重影响。传统的解决方案通常涉及对图像进行预处理，如图像恢复和增强，以提高图像质量。但这种简单的预处理并不总能确保检测性能的提升，有时甚至会带来副作用。此外，现有方法在面对未知多重退化时的适应性不足，无法满足真实世界环境的需求。

本文提出了一种新颖的方法——CPA-Enhancer，它是一种链式思考（Chain-of-Thought，CoT）引导的自适应增强模块，旨在改善未知多重退化条件下的目标检测性能。CPA-Enhancer能够在不预先知道退化类型的情况下，通过CoT提示逐步引导模型调整其增强策略。这一方法不仅在多重退化条件下取得了有利的检测结果，而且还提升了其他下游视觉任务的性能。

论文概览与贡献

• 论文标题：CPA-Enhancer: Chain-of-Thought Prompted Adaptive Enhancer for Object Detection under Unknown Degradations

• 机构：Tongji University, Zhejiang University, Southeast University

• 论文链接：[https://arxiv.org/pdf/2403.11220.pdf]

CPA-Enhancer模型的主要贡献