PRAFNet:一个极化-RGB自适应融合网络,用于复杂环境中的对象检测
Applied optics
|September 22, 2025
概括
本研究介绍了PRAFNet,这是一个用于融合偏振和RGB数据的新网络,以改善在具有挑战性的条件下对象检测. 灵活的融合方法通过利用两种数据类型的优势来提高性能.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 传感器融合式传感器
背景情况:
- 复杂环境中的物体检测受到当前极化聚变策略的局限性阻碍.
- 现有的方法缺乏灵活性,防止RGB和偏振数据的最佳使用.
研究的目的:
- 提出PRAFNet,这是一个新的物体检测网络,用于稳健融合极化和RGB信息.
- 通过自适应特征融合,提高复杂环境中的对象检测性能.
主要方法:
- 引入了带有灵活自适应融合机制的PRAFNet.
- 开发了双极化自适应融合模块 (DPAFM),极化-RGB融合模块 (PRFM),交叉模式差分补充模块 (CMDCM) 和边缘引导极化增强模块 (EGPEM).
主要成果:
- PRAFNet有效地融合了极化和RGB信息.
- 在公共和现实世界的数据集上表现出优越的性能,而不是最先进的方法.
- 在各种复杂的环境中实现了强大的物体检测.
结论:
- PRAFNet提供了一个有效的解决方案,用于融合偏振和RGB数据,以增强对象检测.
- 拟议的自适应融合机制最大限度地提高了多模式信息的好处.
- 在具有挑战性的场景中,PRAFNet显著提高了检测准确度和稳定性.
