.png){kind=icon}
返回
Frequency-Aware and Conditional Entropy-Guided Network for Multispectral Object Detection
.png){kind=icon}
OA
AI
DOI：10.1109/jstars.2026.3728420.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多光谱目标检测是一种整合不同光谱带信息（如可见光和红外图像）以提升复杂环境中检测可靠性与鲁棒性的技术。然而，现有方法难以有效整合红外结构轮廓和可见光纹理细节。此外，主流融合策略（尤其是基于交叉注意力机制的）倾向于优先处理模态共享特征，而忽略对模态特定特性的深度探索。为解决这些问题，本文提出了一种新颖的频域感知和条件熵引导网络。具体而言，设计了一个双域小波增强模块（DWEM），利用平稳小波变换捕捉平移不变的多尺度特征，从而保留对精确目标定位至关重要的空间结构。此外，开发了一个条件熵引导的交叉注意力融合模块，通过利用局部条件熵量化跨模态信息增益，以增强各模态的差异化特征。在三个基准数据集上的广泛实验表明，所提方法在多样化和挑战性条件下均表现出竞争力，为不同场景下的实际部署提供了稳健有效的解决方案。
Keyword:
Conditional entropy
cross-attention mechanism
multimodal fusion
multispectral object detection
stationary wavelet transform (SWT)
visible and infrared images
期刊
IF:
5.3
论文数:
1.8K
被引数:
3.0W
机构
引用论文
暂无论文信息