Jan, 2024

去除与选择：通过粗糙到细化融合改进 RGB - 红外目标检测

PDF
TL;DR本文介绍了一种新的粗到细的特征融合策略，利用 RGB 和红外图像的互补特性，通过去除冗余光谱和动态特征选择，提高了目标检测的性能。通过构建名为 RSDet 的新型目标检测器，并在三个 RGB-IR 目标检测数据集上进行广泛实验，验证了我们方法的优越性能。
object detectionrgbinfraredfeature fusioncoarse-to-fine fusion
发现论文，激发创造
  • 用于资源高效的 RGB 目标检测的雷达引导动态视觉注意力

    该论文提出一种新的雷达引导空间注意力融合方法，以提高自动驾驶车辆在动态环境下的感知质量，用于检测远距离和小型物体，并在 nuScenes 数据集上进行验证，结果表明该方法在提高基线 yolov3 检测器的召回率方面有了较大的改进。

    Jun, 2022

  • 超越夜间可见性：红外和可见光图像的自适应多尺度融合

    提出了一种自适应多尺度融合网络（AMFusion），通过红外和可见图像的融合规则，分别调整光照分布和提高检测准确性，从而实现针对夜晚物体检测的性能提升。

    Mar, 2024

  • RGB-D 显著目标检测的自适应融合

    本文提出了一种自适应融合方案，通过两个卷积神经网络中提取的特征和预测的显著性地图，学习一个切换显著性地图的开关来自适应地融合 RGB 和深度模态中所生成的显著性预测。为了实现全监督，利用显著性监督、开关映射监督和边缘保留约束来设计了一个损失函数，并通过端到端训练方式训练整个网络。经过自适应融合策略和边缘保留约束的好处，我们的方法在三个公开数据集上优于已有方法。

    Jan, 2019

  • NIR 辅助图像去噪：一种选择性融合方法与真实世界基准数据集

    通过有效利用近红外图像辅助可见光图像去噪，提出了一种选择性融合模块（SFM）来解决近红外 - 可见光图像去噪的内容不一致和数据稀缺等问题，并通过综合全局和局部调节的方式实现了两种特征的融合。实验结果表明，该方法在合成和真实数据集上均取得了优于现有方法的效果，同时还提供了公开的数据集、代码和预训练模型。

    Apr, 2024

  • 循环融合和精炼块的多光谱目标检测融合

    本文提出了一种半途径特征融合方法，使用神经网络并添加一个特殊模块来循环融合和优化每个光谱特征，以解决多光谱图像中信息融合的难题，并在两个具有挑战性的数据集上评估，结果表明与其他最先进的多光谱目标检测方法相比，我们的循环融合 - 优化模块能有效提高检测性能。

    Sep, 2020

  • 重新思考提升多光谱目标检测的早期融合策略

    最近的多光谱目标检测器采用了两分支结构从 RGB 和热像图中提取特征。尽管两分支结构比起单分支结构有更好的性能，但它忽视了推理效率的问题。本文提出了改进高效单分支结构性能的方法，并揭示了先前采用的普通早期融合策略中存在的信息干扰问题。此外，我们注意到多光谱图像之间的域差异和单分支结构的特征表示也是性能的关键障碍。通过针对这三个问题提出对应的解决方案，包括一种新的形状优先早期融合策略，一种弱监督学习方法和一种核心知识蒸馏技术。实验证明，装备了这三个贡献的单分支网络在保持高效率的同时，实现了显著的性能提升。

    May, 2024

  • 联合红外可见光图像融合和显着性目标检测的交互增强范式

    本文提出一种基于红外和可见光图像的交互式多任务范式，通过特征筛选的融合子网和融合引导的交叉互补 SOD 子网相结合，进行物体定位和探测，同时提出交互式循环学习策略，以实现这两个任务的互相增强，取得了显著的效果。

    May, 2023

  • 复杂场景下基于分解和干扰感知的红外与可见光图像融合

    我们提出了一种基于分解和干扰感知的图像融合方法，通过对可见图像的散射程度进行像素分类并分离图像的细节和能量信息，实现对复杂场景中的干扰像素的更好识别，并结合自适应降噪和加权融合规则，得到在复杂场景下优越的图像融合效果。

    Feb, 2024

  • 基于 CNN 的 RGB-D 显著目标检测：学习、选择和融合

    该论文旨在提出一个系统性的解决方案来解决 RGB-D 突出物检测问题，该方案通过模态特定表示学习、互补线索选择和跨模态补充融合等三个方面进行统一的处理，并构建了一种自适应的残差函数来融合跨模态信息以实现足够的跨模态交互和跨层传输支持。

    Sep, 2019

  • RGB - 红外人员重识别的神经特征搜索

    本文提出了一种称为神经特征搜索（NFS）的自动化特征选择范式来解决 RGB - 红外人员再识别方面的挑战性跨模态检索问题，通过对身体部位及数据驱动的自适应筛选等手段，实现了自动化特征选择的过程，进一步获得了更好的性能表现。

    Apr, 2021