用于多模态目标检测的弱对齐特征融合代码
收藏中国科学院脑科学数据中心2023-11-10 更新2024-03-05 收录
下载链接：
https://www.braindatacenter.cn/datacenter/web/#/dataSet/details?id=1722825381772238849
下载链接
链接失效反馈官方服务：
资源简介：
首先，设计具有相邻相似性约束的区域特征（RF）对齐模块，以一致地预测两种模态之间的位置偏移并自适应地对齐跨模态 RF。 其次，我们提出了一种新颖的感兴趣区域（RoI）抖动策略，以提高对意外转变模式的鲁棒性。 第三，我们提出了一种新的多模态特征融合方法，该方法选择更可靠的特征并通过特征重新加权来抑制不太有用的特征。 此外，通过在两种模态中定位边界框并建立它们的关系，我们提供了名为 KAIST-Paired 的新型多模态标签。 对 2-D 和 3-D 对象检测、RGB-T 和 RGB-D 数据集的大量实验证明了我们方法的有效性和鲁棒性。
提供机构：
中国科学院脑科学数据中心
创建时间：
2023-11-10
