BihoT：面向高光谱伪装目标跟踪的大规模数据集与基准
计算机视觉与模式识别
2025-05-13 v2
摘要
高光谱目标跟踪（HOT）在各类应用中展现出潜力，尤其是在目标外观受伪装的情况下。现有跟踪器能够通过波段重新组合有效检索目标，因为现有 HOT 数据集中大多数目标具有显著的视觉外观特征而非光谱特征。这一偏差允许跟踪器直接使用从假色高光谱图像中获得的视觉特征，而无需提取光谱特征。为解决这一偏差，我们认为跟踪器应关注当目标外观不可靠时的光谱信息。因此，我们提出了新的任务，即高光谱伪装目标跟踪（HCOT），并仔细构建了规模为 BihoT 的大型 HCOT 数据集，包含 41,912 幅高光谱图像，覆盖 49 个视频序列。该数据集涵盖各种人工伪装场景，其中目标外观相似、光谱多样且经常遮挡，为 HCOT 提供了极具挑战性的数据。此外，我们提出了一个简单而有效的基线模型，称为光谱提示式干扰感知网络（SPDAN），其包括光谱嵌入网络（SEN）、光谱提示式主干网络（SPBN）和干扰感知模块（DAM）。具体而言，SEN 通过 3D 和 2D 卷积提取光谱-空间特征。随后，SPBN 使用光谱提示微调强大的 RGB 跟踪器，缓解训练样本不足的问题。此外，DAM 利用新颖的统计方法捕捉由目标和背景遮挡引起的干扰。大量实验表明，我们提出的 SPDAN 在所提出的 BihoT 以及其他 HOT 数据集上实现了最新的性能。
引用
@article{arxiv.2408.12232,
title = {BihoT: A Large-Scale Dataset and Benchmark for Hyperspectral Camouflaged Object Tracking},
author = {Hanzheng Wang and Wei Li and Xiang-Gen Xia and Qian Du},
journal= {arXiv preprint arXiv:2408.12232},
year = {2025}
}
备注
IEEE Transactions on Neural Networks and Learning Systems, 2025