Improving Low-Light Image Recognition Performance Based on Image-adaptive Learnable Module

要約

近年、ディープニューラルネットワークをベースとした画像認識技術が大きく進歩しています。
ただし、低照度条件下での認識パフォーマンスを向上させることは依然として大きな課題です。
この研究では、低照度条件における認識モデルのパフォーマンスの強化に取り組んでいます。
入力画像に適切な画像処理を適用する画像適応学習モジュールと、モジュールで使用される最適なパラメータを予測するハイパーパラメータ予測器を提案します。
私たちが提案するアプローチでは、低照度条件用に設計された既存の認識モデルを再トレーニングすることなく、フロントエンド フィルターとして簡単に統合することで、低照度条件下での認識パフォーマンスを向上させることができます。
実験を通じて、私たちの提案手法が低照度条件下での画像認識性能の向上に貢献することを実証します。

要約(オリジナル)

In recent years, significant progress has been made in image recognition technology based on deep neural networks. However, improving recognition performance under low-light conditions remains a significant challenge. This study addresses the enhancement of recognition model performance in low-light conditions. We propose an image-adaptive learnable module which apply appropriate image processing on input images and a hyperparameter predictor to forecast optimal parameters used in the module. Our proposed approach allows for the enhancement of recognition performance under low-light conditions by easily integrating as a front-end filter without the need to retrain existing recognition models designed for low-light conditions. Through experiments, our proposed method demonstrates its contribution to enhancing image recognition performance under low-light conditions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google