Multi-Modal Feature Pyramid Transformer for RGB-Infrared Object Detection

人工智能 计算机科学 计算机视觉 RGB颜色模型 棱锥(几何) 变压器 特征(语言学) 模式识别(心理学) 情态动词 目标检测 特征提取 模式 工程类 数学 社会学 高分子化学 电气工程 社会科学 语言学 哲学 化学 几何学 电压
作者
Yaohui Zhu,Xiaoyu Sun,Miao Wang,Hua Huang
出处
期刊:IEEE Transactions on Intelligent Transportation Systems [Institute of Electrical and Electronics Engineers]
卷期号:24 (9): 9984-9995 被引量:10
标识
DOI:10.1109/tits.2023.3266487
摘要

RGB-Infrared multi-modal object detection utilizes diverse and complementary information, showing some advantages in intelligent transportation field. The main challenge of RGB-Infrared object detection is how to fuse the two modalities. The difficulty of fusion is reflected in two aspects: 1) large visual differences between modalities make it difficult to learn effective complementary features, 2) some misaligned RGB-Infrared images increase the difficulty of fusion. To this end, based on feature pyramid commonly used in object detection, we propose Multi-modal Feature Pyramid Transformer (MFPT) to fuse the two modalities. The proposed MFPT learns semantic and modal complementary information to enhance each modal features via intra-modal feature pyramid transformer and inter-modal feature pyramid transformer. The intra-modal feature pyramid transformer enables features to interact across space and scales, improving the semantic representations of features in each modality. The inter-modal feature pyramid transformer conducts feature interaction between modalities, enabling each modality to learn complementary features from other modalities. Meanwhile, the inter-modal feature pyramid transformer can also learn distance independent dependencies between modalities, which are not sensitive to misaligned images. Furthermore, a local attention mechanism is introduced within different windows into MFPT to achieve efficient correlation between regions of different scales or different modalities. Experimental results on two RGB-Infrared detection datasets demonstrate the proposed method is superior to state-of-the-art methods.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
852应助Huangy000采纳,获得10
1秒前
斯文败类应助学不动了采纳,获得10
3秒前
4秒前
科研通AI2S应助SYanan采纳,获得10
4秒前
在水一方应助1111采纳,获得10
6秒前
6秒前
6秒前
阳光下的星星完成签到,获得积分10
6秒前
ydfqlzj完成签到,获得积分10
6秒前
朴实的小萱完成签到 ,获得积分10
7秒前
Jewel发布了新的文献求助20
7秒前
zjj完成签到,获得积分10
7秒前
乾乾完成签到,获得积分10
8秒前
科研小白完成签到,获得积分10
8秒前
light完成签到 ,获得积分10
8秒前
xingxing完成签到,获得积分10
8秒前
学术混子完成签到,获得积分10
9秒前
fanfan完成签到,获得积分10
9秒前
9秒前
烫睫毛完成签到 ,获得积分10
9秒前
无情的白桃完成签到,获得积分10
10秒前
啵啵小白发布了新的文献求助10
10秒前
香蕉觅云应助温暖的千亦采纳,获得30
10秒前
10秒前
11秒前
11秒前
lalala完成签到,获得积分20
11秒前
louxiaohan完成签到,获得积分10
11秒前
study完成签到,获得积分10
12秒前
Mottri发布了新的文献求助10
12秒前
12秒前
缄默完成签到,获得积分10
12秒前
12秒前
乘风完成签到,获得积分10
13秒前
科研小白发布了新的文献求助10
14秒前
lalala发布了新的文献求助10
14秒前
小人物完成签到,获得积分10
15秒前
嗖嗖完成签到,获得积分10
16秒前
16秒前
研鱼完成签到,获得积分20
16秒前
高分求助中
Evolution 3rd edition 1500
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
the development of the right of privacy in new york 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3180123
求助须知:如何正确求助?哪些是违规求助? 2830514
关于积分的说明 7978030
捐赠科研通 2492090
什么是DOI,文献DOI怎么找? 1329207
科研通“疑难数据库(出版商)”最低求助积分说明 635704
版权声明 602954