提出一种桥接高光谱数据和最先进目标检测方法的新颖框架 Hy-Tracker，以利用 YOLOv7 在高光谱视频中进行目标跟踪，并通过引入跟踪器和 Kalman-Filter 处理尺度变化和遮挡挑战，实现了对目标的准确跟踪。

Nov, 2023

利用高光谱图像的物质信息提出了材料特征表示和基于材料的物体跟踪方法，并构建了一个全面标注的数据集进行实验验证。

Dec, 2018

本研究针对航空器智能追踪问题，采用自适应多模高光谱传感器和深度学习技术设计出深度高光谱核相关滤波追踪器并在数字成像和遥感图像生成软件中进行了综合评估及性能优化，最终发布了大规模空中车辆分类数据集。

Nov, 2017

提出了一种具有光谱角度感知的空间 - 光谱融合神经网络（SST-Net），用于高光谱目标跟踪。

Mar, 2024

本文提出了一种基于 Siamese 的跟踪方法，采用分层特征变换对多级卷积层生成的分层相似度图进行交互式融合，提高了全局的上下文信息，更高效地学习多级特征之间的相互依赖关系，并且实现了在实时速度情况下的实际应用，该方法在四个空中基准测试中被证明具有很好的效果。

Jul, 2021

HPFormer 是一种基于 Transformer 的新方法，利用其强大的表示学习能力来提高视觉跟踪性能，并通过 Hyperspectral Hybrid Attention（HHA）模块实现特征提取和融合，以及通过 Transform Band Module (TBM) 从完整的高光谱输入中选择性地聚合空间细节和光谱特征来注入有信息的目标表示，通过在基准 NIR 和 VIS 跟踪数据集上进行的广泛实验表明，HPFormer 具有最先进的性能，从而提供了利用 Transformer 和高光谱融合来改进鲁棒目标跟踪的新见解。

Aug, 2023

我们介绍了 HyLITE，这是一种模型局部和光谱信息的视觉转换器，利用新型的正则化函数促进了局部到全局信息的整合，该方法在准确度上超过了竞争基准，并取得了高达 10％的增益。

Sep, 2023

使用混合架构，通过从合成孔径感测得到的整体空中图像和传统空中图像提取最重要的特征，以消除由于茂密植被引起的遮挡。该方法结合了环境的空间参考和无遮挡目标的特征，不需要手动调整参数，可以扩展到任意数量和组合的光谱通道，可根据不同用例进行重新配置，超越了现有技术。

Nov, 2023

本研究旨在构建一个高度多样化的可见热（RGB-T）无人机跟踪（VTUAV）基准，包括 500 个序列和 170 万帧对，以及设计了一个名为 Hierarchical Multi-modal Fusion Tracker (HMFT) 的新的 RGB-T 基准，该基准可以在各个级别上融合 RGB-T 数据。

Apr, 2022

本文分析了人类视觉感知下的高光谱影像特征，并首次将异常检测 (HAD) 的解决过程转移到了更稳健的特征空间。我们提出了一种小目标感知检测器 (STAD)，它引入了显著性图来捕捉更接近人类视觉感知的高光谱影像特征。此外，我们还提出了一种全连接网络到卷积网络的知识蒸馏策略，以适应 HAD 算法应用于边缘设备的可能性。我们在 HAD100 训练集上训练了网络，并在 HAD100 测试集上验证了所提出方法。经过充分的实验证明，我们的方法在真实高光谱影像上表现出卓越的性能和独特的潜力。

Jan, 2024