对齐频率融合网络

检测精度再提升

在红外与可见光之间架起语义对齐的桥梁，从频率域自适应融合多模态车辆特征，缓解模态差异带来的检测瓶颈。

Zhenshuai, Chen · 向为 · Zhiyuan, Lin · Kaixuan, Yang · 刘云鹏 · 史泽林

Neurocomputing 2025

参数信息

VEDAI数据集mAP50

80.3 %

DroneVehicle数据集mAP50

90.5 %

技术优势

减轻模态差异

通过显式双向多模态特征对齐探索特征对应关系，提高语义一致性。

提升检测精度

在VEDAI上mAP50提升4%，在DroneVehicle上提升1.2%。

应用场景

• 无人机低空巡检：提升低空航拍影像中车辆的识别准确率，减少漏检。
• 工业机器人视觉：增强机器人在复杂光照下的车辆感知，支持全天候作业。
• 自动驾驶多模态感知：融合红外与可见光，提高夜间和恶劣天气下的车辆检测能力。
• 低空飞行器感知：为低空飞行器提供可靠的车辆检测，支持交通监控等任务。