研究人员开发了用于红外图像中小目标检测和解混的新深度学习方法,这一挑战因衍射极限信号合并成单个斑点而加剧。第一篇论文介绍了DISTA-Net++,它使用计数引导先验和连续坐标校正来提高亚像素分离和定位精度,性能优于现有方法。第二篇论文提出了MI-DETR,一个通过循环时间状态和通路互交互将运动线索与外观特征相结合的框架,以更好地区分目标运动与背景干扰。 AI
影响 这些进展可以通过增强在红外图像中检测和分析微小、被遮挡目标的能力,从而改进监视、自主导航和遥感。
排序理由 arXiv上发表了两篇研究论文,详细介绍了用于红外小目标检测和解混的新深度学习模型。
- alphaXiv
- arXiv
- CatalyzeX
- CSIST-100K
- DagsHub
- DAUB-R
- DISTA-Net++
- Gotit.pub
- GrokCSO
- Hugging Face
- IRDST-H
- ITSDT-15K
- MI-DETR
- Pathway Mutual Interaction
- Recurrent Interpretable Motion Cue Aggregation
- RT-DETR
- Sikui Zhang
- Yimian Dai
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →