提升织品损伤细分:一个新的RGBT数据集和热频率规范化
Farshid Rayhan1, Jitesh Joshi1, Guangyu Ren1
1Department of Computer Science, University College London, London NW1 2AE, UK.
Sensors (Basel, Switzerland)
|April 12, 2025
概括
本研究介绍了RGBT-Textile,这是一个用于近距离织品损伤细分的新数据集. 一种新的方法,ThermoFreq,通过减少热噪声来提高细分精度,提高在具有挑战性的场景中对象识别.
科学领域:
- 计算机视觉 计算机视觉
- 材料科学 材料科学 材料科学
- 图像处理 图像处理
背景情况:
- 对于高动态范围场景分析而言,RGB-热 (RGBT) 语义细分至关重要.
- 热成像提供了增强的近距离特征提取,对于织品损伤检测等应用至关重要.
研究的目的:
- 介绍RGBT-Textile,这是用于近距离织品和损坏细分的专用数据集.
- 介绍ThermoFreq,一种新的热频规范化方法,用于减轻RGBT细分任务中的温度噪声.
主要方法:
- 与织科学家一起开发了一个精细的数据收集协议,软件工具和标签过程.
- 创建了RGBT-Textile数据集,用于近距离的织品和损坏细分.
- 引入并应用了ThermoFreq方法来减少热噪声.
主要成果:
- 使用最先进的 (SOTA) 模型评估了RGBT-Textile和其他六个RGBT数据集.
- 在使用热频方法时,证明了SOTA模型的卓越性能.
- 证实了ThermoFreq在应对各种环境条件下的噪音挑战方面的有效性.
结论:
- RGBT-Textile数据集和ThermoFreq方法显著提升了织应用的近距离RGBT语义细分.
- ThermoFreq有效地降低了噪音,在具有挑战性的热成像场景中提高了细分精度.
- 该数据集的公开发布旨在促进该领域的进一步研究和合作.


