Oct, 2023

HalluciDet：通过特权信息对人员检测进行 RGB 模态的幻觉

PDF
TL;DR通过提出 HalluciDet，一种 IR-RGB 图像翻译模型，将重点放在对象检测的准确性上，而不是重构 IR 模态下的原始图像，从而绕过了访问 RGB 数据的需求，从而提高了检测性能。
visual recognitionimage translationobject detectioninfrared (ir)rgb
发现论文，激发创造
  • 利用对抗性判别式模态蒸馏技术学习含特殊信息的数据

    本研究针对深度学习中的异构数据模态问题提出了一种新的方法 —— 基于对抗学习与特权信息框架下的 RGB-D 视觉任务的幻象网络训练方法，旨在从深度和 RGB 视频中提取信息，使得在测试时，只需要使用 RGB 数据即可。这一方法在 NYUD 数据集的目标分类和最大多模态视频行为识别数据集（NTU RGB+D）以及美国西北大学加洛斯高等研究院的数据集上均取得了领先的结果。

    Oct, 2018

  • 无忘记先验知识的目标检测适应模态转换

    通过训练小型的转换网络直接减小检测损失，该论文提出了一种新的方法 ModTr，用于将大型目标检测模型适应于一个或多个不同模态数据，从而实现更加灵活和高效的服务式检测流水线。

    Apr, 2024

  • 基于判别式跨模态迁移学习的 RGB-D 显著目标检测

    本文研究使用卷积神经网络，通过跨模态传输问题对深度引导显著性检测进行提高。在这个方法中，我们有效地利用源模态的辅助数据来训练红绿蓝（RGB）显著性检测网络，并利用深度特定信息来预训练模态分类网络。这两个模块都是独立训练的，然后被拼接起来来初始化并优化最终的深度引导显著性检测模型。实验证明，这种预训练策略及所提出的方法都可以显著且一致地提高性能。

    Mar, 2017

  • 基于模态自适应 Mixup 和不变分解的 RGB+IR 人员再识别方法

    本文提出了一种新的模态自适应 Mixup 和不变分解方法（MID），以学习模态不变和具有鉴别力的表征，以应对 RGB - 红外人物再识别中由于 RGB 和红外图像之间的显着模态差异而产生的挑战，并在两个具有挑战性的基准测试上展示出了优越的性能。

    Mar, 2022

  • 图像到图像翻译在改进行人检测中的应用

    使用深度学习模型和可见光红外图像对数据集进行训练，从而实现在低光环境中的行人识别。

    Sep, 2022

  • 基于教师 - 学生 GAN 模型的 RGB-IR 跨模态人员重识别

    利用基于 RGB-IR 的深度学习模型，通过两个 Teacher-Student GAN 模块相互引导，成功实现了在无光照条件下的人物跨域识别。在 SYSU-MM01 RGB-IR Re-ID 基准测试中，取得了 49.8% 的顶级成绩和 47.4% 的平均精度。

    Jul, 2020

  • 面向可见光红外人员再识别的同质化模态学习和多粒度信息探索

    本文提出一种基于 Aligned Grayscale Modality (AGM) 的跨模态人员重识别方法，通过生成灰度可见光图像和风格迁移转换红外图像得到一致的数据，再结合多颗粒度特征提取网络在特征级别进行对齐，能够显著提高跨模态检索表现。

    Apr, 2022

  • 低光条件下可见光到热像转换以提高视觉任务效果

    本文提出了一种利用生成网络和检测网络将 RGB 图像转化为热成像图像的端到端框架，并通过生成的热成像图像与真实数据进行比较，论证了使用生成对抗网络将 RGB 训练数据转化为热成像数据的可行性，从而加快和降低生成热成像数据的成本，满足安全应用的需求。

    Oct, 2023

  • 学习跨模态深度表示以实现鲁棒的行人检测

    本文介绍了一种新的行人检测方法，基于跨模态学习框架、深度卷积神经网络等技术，可在恶劣光照条件下实现行人检测，并在公开数据集上表现出优异的性能。

    Apr, 2017

  • 跨域多模态 RGB-D 场景识别

    本文提出了一种自适应景观识别方法，该方法使用 RGB 和深度图像之间的自监督转换，以解决多模态数据集之间的领域转移问题，并证明其在不同相机采集的数据之间具有很强的泛化能力。

    Mar, 2021