arXiv · 机器人与计算机视觉· Amogh Vinaykumar (Flower Mound High School), Prem Kamasani (Flower Mound High School)·· 16 天前AI 评分42
AegisBench 审计空域搜救人员在真实灾害部署条件下的检测性能
AegisBench: Auditing Aerial Search-and-Rescue Person Detection Under the Conditions It Is Deployed In
AI 导读
AegisBench 填补了无人机搜救系统在平静日光基准与洪水、火灾等极端灾害夜视任务间的评估鸿沟。该基准对 HERIDAL 和 SARD 数据集施加九种物理扰动,测试 Faster R-CNN、YOLOv11 及 RT-DETR 共 168 种工况,揭示低光导致召回率归零且微调无法迁移至真实夜视图像。
来源:arXiv · 机器人与计算机视觉 · arxiv.org