光照与姿态变化下，目标识别有哪些挑战？

目标识别 在光照变化下颜色/梯度特征漂移，在旋转缩放下面貌全非。挑战包括阴影过曝、视角变化、部分遮挡与背景杂乱，需靠数据增强、颜色归一化、旋转不变特征或 CNN 层次表示来缓解。

一、先给出结论和背景

• 光照变化挑战：- 明暗对比改变边缘与纹理强度
• 色温/白平衡导致颜色特征不稳定
• 阴影造成假轮廓、高光饱和丢细节
• 姿态与几何挑战：- 旋转/翻转：物体外观剧变（非严格平移）
• 尺度：远近导致目标像素尺寸差数量级
• 视角：3D 物体 2D 投影形变
• 遮挡：部分可见破坏整体形状

二、拆开关键步骤和判断点

• 传统方法局限：SIFT/HOG 对极端光照仍脆弱；需手工设计不变性。
• 深度学习对策：1. 数据增强：亮度、对比度、色调抖动；随机旋转、缩放、裁剪（OpenCV / Albumentations）

2. 归一化：per-channel mean/std；直方图均衡（慎用）
3. 架构：CNN 层次特征、多尺度 FPN、旋转等变网络（RoIAlign）
4. 训练策略：多域数据、域自适应、测试时增强 TTA

三、补上落地边界和取舍

• 评测：除 mAP 外，应在不同光照/角度子集上分层评估。详见 目标检测。

面试里可以补一个视觉任务例子：光照与姿态变化下，目标识别有哪些挑战 在分类、检测、分割或多模态理解里分别会影响数据增强、模型结构、指标选择和误检漏检分析。这样回答会比单独讲概念更像真实项目经验。

知识库：计算机视觉入门、目标检测。工具：OpenCV、PyTorch。资讯：AI 资讯。