在深度学习的推动下，目标检测方法在近些年取得了很大的进展。但在特殊天气条件下，如在常见的雾霾、沙尘、雨天、雪天等天气条件下拍摄到的图像会退化模糊，难以提取有效特征，从而对后期的目标检测带来巨大的困难。对近年来国内外学者在特殊天气下目标检测的研究进行了总结归纳，从相关数据集的建立和用途、面向特殊天气条件下的图像恢复算法研究及其对目标检测任务的影响、迁移学习中的领域自适应方法在目标检测的应用三个方面进行分析。对相关方法的实验结果进行综合比较，并提出今后的研究重点。
科研之友
微信
新浪微博
Facebook
分享链接
