FasterRCNN图片缩放
目标检测领域中对于夜间物体检测有什么好的方法吗？
目标检测领域中对于夜间物体检测有什么好的方法吗？
夜间目标检测，用可见光摄像头的话，成像效果受光线变化的影响较严重，即使有宽动态、黑光、星光等黑科技加持，但是目标检测的效果也没法与白天光线条件好的情况比的。
所以要从前端摄像头，传感器进行改进优化了，最常用的就是使用红外热成像摄像头，它感知物体表面的温度辐射成像的，基本不受光照的影响，先天的优势就是可以应用于没有光照的夜晚。但是热成像的缺点是不能识别出目标是谁，比如，算法能检出目标是人，但是不能识别出是张三还是李四。
同一视角下的热成像与可见光画面
当然除了热成像之外，有毫米波、激光、雷达等，都可以在不受光照影响下检测目标。只是在行业内，基本上用红外热成像的比较多。这里就会牵涉到红外热成像的另外一个缺点：价格贵，与可见光的价格相比，是高一个量级的关系，即几百对应几千的概念，有些场景还会更高。
如果你要问有哪些夜间目标检测效果好的算法呢，其实大同小异了，yolo系列，rcnn系列，另外要有很多夜晚目标的训练数据，然后就是训练、验证、测试了，基本上是哪个效果好，就用哪个模型了。
momenta联合创始人？
曹旭东，Momenta创始人CEO。毕业于清华大学，曾先后任职于微软亚洲研究院和商汤科技，有近百人研发团队管理经验、产品落地经验，对无人驾驶环境感知，高精地图，驾驶决策有长时间研究。
研发总监任少卿，是中国科技大学与微软亚洲研究院联合培养博士，提出适用于物体检测的高效框架Faster RCNN和图像识别算法ResNet，后者相关论文于2016年获得计算机视觉领域顶级会议CVPR 的Best Paper Award。