| 摘要:针对目前多光谱行人检测算法在恶劣环境下对行人检测精度较低，且计算复杂度和参数量大的问题，提出一种基于 红外和可见光图像融合的多光谱行人检测算法 CMDFT-YOLOv8。利用差异增强模块保留和增强不同模态特定的特征，并提 出了跨模态特征交互来有效地融合来自不同模态的输入；另外使用部分卷积改进双路特征提取网络的 Bottleneck结构，减少 骨干网络的冗余信息和计算复杂度，更有效地提取空间特征。与基准方法相比，所提出的多光谱行人检测算法在弱光环境下 的 mAP达到了 67.3%，相较于基准模型提升了 5.8%，模型参数量下降 80.2%，模型计算复杂度下降 33.2%。所提出的算法可 有效提高弱光环境下检测模型的精度和降低模型参数量。 |
| 关键词: 多光谱行人检测 模态特征差分增强 跨模态特征交互 YOLOv8 多模态图像融合 |
|
|
|
|
| Abstract: |
| Key words: |