稀疏标注下的多光谱行人检测

尽管现有的稀疏标注目标检测方法在处理多光谱领域中只有部分行人被标注的稀疏标注环境方面取得了进展，但它们仍然存在以下局限性：(i) 缺乏对提高缺失标注伪标签质量的考虑，(ii) 依赖固定的真实标注，导致只能学习多光谱领域中有限范围的行人视觉外观。为了解决这些问题，我们提出了一种名为稀疏标注多光谱行人检测的新框架。针对局限性(i)，我们引入了多光谱行人感知自适应权重和正伪标签增强模块。利用多光谱知识，这些模块确保生成高质量的伪标签，并通过基于模态特征增加高质量伪标签的权重来实现有效学习。为了解决局限性(ii)，我们提出了自适应行人检索增强模块，该模块自适应地整合来自真实标注的行人补丁，并动态地将高质量伪标签与真实标注集成，从而促进更多样化的行人学习池。大量实验结果表明，我们的SAMPD在多光谱领域的稀疏标注环境中显著提升了性能。