频率感知特征聚合网络

RGB-T显著目标检测新SOTA

首次从频率视角探索RGB-T显著目标检测，通过高低频特征分离与互补增强特征表示，并结合边界辅助任务与双任务一致性，获得更清晰的显著目标边界。

周恒 · 田春娜 · Zhang, Zhenxi · Li, Chengyang · Xie, Yongqiang · Li, Zhongbo

Pattern Recognition 2024

技术优势

首次从频率视角建模

提出频率感知多光谱特征聚合模块，分离并利用高低频线索，增强特征表示。

边界更清晰

高频引导的符号距离图预测模块利用几何关系，产生更精确的显著目标边界。

双任务一致性提升性能

结合边界辅助任务与主任务，通过一致性促进显著区域与边界的交互，提升检测性能。

应用场景

• 多模态视觉感知：为多模态系统提供对频率通道的显式建模，提升对显著目标的感知能力。
• 红外与可见光融合：利用高低频分离与互补策略，更充分地融合红外与可见光信息，改善融合效果。
• 图像分割：提供更锐利的显著目标边界，可输出高质量分割掩码。
• 机器人视觉：为机器人提供更准确的显著目标定位，支持复杂环境下的视觉任务。
• 无人机目标检测：在无人机视角下增强显著目标特征，适应红外与可见光双模态输入，提高检测鲁棒性。