TFDet:用于RGB-T行人检测的目标意识融合
IEEE transactions on neural networks and learning systems
|August 23, 2024
概括
这项研究介绍了TFDet,一种新的多光谱行人检测方法,通过增强特征对比度来减少假阳性. TFDet提高了检测准确度,特别是在低光条件下,为更安全的道路.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 机器人技术 机器人技术 机器人技术
背景情况:
- 对于交通安全而言,行人检测至关重要.
- 基于RGB的方法在低光条件下扎.
- 使用热数据的多光谱方法提高了性能,但面临着错误的积极问题.
研究的目的:
- 为多光谱行人检测开发一种新的目标感知融合策略.
- 为了解决合并特征地图中虚假阳性的负面影响.
- 为了增强特征对比度,减少错误阳性和改进检测.
主要方法:
- 提出了TFDet,一个目标意识的聚变战略,采用聚变精炼范式.
- 使用自适应受体场来整合RGB和热特性.
- 采用了细分分支和相关性最大损失函数来增强特征对比.
主要成果:
- 在KAIST和LLVIP行人检测基准上,TFDet取得了最先进的表现.
- 与以前的方法 (0.65%和4.1%) 相比,证明了显著的绝对收益.
- 在多类物体检测方面表现出强的表现,并保持了效率.
结论:
- 通过增强特征对比度,TFDet有效地减少了假阳性.
- 该方法显著改善了多谱行人检测,特别是在弱光场景.
- 通过计算机视觉,TFDet提供了一种强大而高效的解决方案,以提高道路安全.
