LER-YOLO：面向错位 RGB-红外 UAV 检测的可靠性感知专家路由
计算机视觉与模式识别
2026-05-21 v1
摘要
从 RGB-红外遥感对中检测小型无人机仍具挑战性，原因在于目标尺寸微小、背景杂乱以及异构传感器之间的空间错位。现有双模检测器往往在评估局部跨传感器对应关系可靠性前进行特征对齐或融合，导致错位伪影传播至检测头。为此，我们提出 LER-YOLO，一种用于错位 RGB-红外 UAV 检测的可靠性感知稀疏混合专家框架。LER-YOLO 首先引入不确定性感知目标对齐模块，将可见特征置于红外参考上并估计空间可靠性图。该可靠性先验随后被可靠性引导稀疏混合专家融合模块用于自适应从 RGB 主导、红外主导和交互式融合专家中选择 k 个专家，从而在可信赖的跨模态交互中抑制不可靠融合。在 YOLOv5s 系列协议下，对公开的 MBU 数据集进行实验，表明 LER-YOLO 在三个独立随机种子下的 AP50 为 89.7±0.2%，最佳结果为 89.9%。广泛的消融实验、参数匹配比较、合成位移评估和复杂度分析表明，性能提升主要来自可靠性引导的专家路由，而非模型容量增加。
引用
@article{arxiv.2605.20667,
title = {LER-YOLO: Reliability-Aware Expert Routing for Misaligned RGB-Infrared UAV Detection},
author = {Liming Hou and Yueping Peng and Hexiang Hao and Ji Wang and Xuekai Zhang and Wei Tang and Zecong Ye and Xin Ying and Yubo He},
journal= {arXiv preprint arXiv:2605.20667},
year = {2026}
}
备注
17 pages, 6 figures, 8 tables