FogTTA：雾天目标检测在线自适应框架

Ali Abedi 等作者提出 FogTTA，一个无需源数据或重新训练的在线测试时自适应框架，用于提升 Transformer 目标检测器在雾天场景下的鲁棒性。 该框架以 RF-DETR 为底层检测器，采用教师-学生结构：教师模型对弱增强图像生成伪标签，经非极大值抑制和置信度过滤后，学生模型用 Varifocal loss 从强增强样本中学习，教师通过指数移动平均更新。作者称实验显示其检测精度与稳定性优于已有基线，并保持实时性能。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。