exdark数据集论文阅读笔记

• 文章采集了一个低光条件下拍摄的包含各种光照条件标注以及目标检测标注的图像数据集，并对低光条件对目标检测的影响进行了一定的探究实验。

• coco中包含不足2%的低光照图片

• SID的图片使用了raw data来生成sRGB图，没有image enhancement操作

• exdark的图片大部分来自网络和搜索引擎，还有一些来自现有数据集如VOC、 COCO 和 ImageNet等，还有些来自电影截出来的帧，还有一些用手机和相机自己拍。

• 各个光照条件标注的意思：
  
  

• 接着论文探究了黑暗图像的影响，选择了coco作为对比数据集，从coco中挑选一个包含相关的12类目标的子集

• 文中探究时，比较的是在coco数据集子集上的表现和exdark数据集上的表现

• 

• 探究结论是：1. 黑暗图像中定位更难；2. 黑暗图像检测出假阳更多

• 将 exdark 先进行denoise再检测对特征提取有帮助的，但是同时也带来了新的纹理，因此结果只有微弱的提升

• 可见低光图像目标检测的两个方向是：1. 去噪；2. 提升亮度

• 

• 这张图说明了将coco和exdark混合训练可以有效地提升在exdark上的分类准确率，同时在coco上没有明显下降

• 但从下图的结果看：显然即使混合训练，模型依旧将coco的特征和exdark的特征进行了区分

• 

• 将模型的激活值可视化到图片上后发现，有时候模型能够自动忽视灯光，而有时候又会被灯光误导而只看到灯光，这是个值得进一步探究的地方