COXNet: Cross-Layer Fusion with Adaptive Alignment and Scale Integration for RGBT Tiny Object Detection

Created by

Haebom

저자

Peiran Peng, Tingfa Xu, Liqiang Song, Mengqi Zhu, Yuqiang Fang, Jianan Li

💡 개요

본 논문은 시각(RGB) 및 열(Thermal) 이미지에서 초소형 객체를 탐지하는 것을 목표로 하며, 드론 환경에서 발생하는 공간적 불일치, 저조도, 가려짐, 복잡한 배경 등의 문제를 해결합니다. 제안하는 COXNet은 계층 간 융합 모듈, 동적 정렬 및 스케일 개선 모듈, 그리고 개선된 레이블 할당 전략을 통해 두 모달리티의 상호 보완적인 정보를 효과적으로 활용합니다. 이를 통해 COXNet은 기존 방법론 대비 RGBTDronePerson 데이터셋에서 3.32%의 mAP$_{50}$ 향상을 달성하며 복잡한 환경에서 견고한 탐지 성능을 입증했습니다.

🔑 시사점 및 한계

•

다양한 모달리티(RGB, Thermal)의 상호 보완적인 정보를 효과적으로 융합하여 초소형 객체 탐지 성능을 크게 향상시킬 수 있습니다.

•

드론 환경과 같이 복잡하고 동적인 조건에서도 공간적 불일치 및 다양한 스케일의 객체를 효과적으로 처리하는 새로운 모듈들을 제안합니다.

•

RGBTDronePerson 데이터셋에서의 뛰어난 성능을 입증하였으나, 다른 유형의 복잡한 환경이나 더 다양한 종류의 초소형 객체에 대한 일반화 성능 검증은 추가적인 연구가 필요할 수 있습니다.

PDF 보기

Made with Slashpage