TFDet：面向 RGB-T 行人检测的目标感知融合

行人检测在计算机视觉中起着关键作用，因为它有助于保障交通安全。现有仅依赖 RGB 图像的方法由于有用信息匮乏，在低光照条件下性能下降。为解决此问题，近期的多光谱检测方法结合热成像图像以提供互补信息，并获得了增强的性能。然而，很少有方法关注由噪声融合特征图引起的假阳性负面影响。与它们不同，我们全面分析了假阳性对检测性能的影响，发现增强特征对比度可显著减少这些假阳性。在本文中，我们提出了一种用于多光谱行人检测的新型目标感知融合策略，名为 TFDet。TFDet 在两个多光谱行人基准 KAIST 和 LLVIP 上取得了最先进的性能。TFDet 可轻松扩展到多类目标检测场景。它在两个多光谱目标检测基准 FLIR 和 M3FD 上优于先前最佳方法。重要的是，TFDet 具有与先前方法相当的推理效率，并且即使在低光照条件下也具有显著良好的检测性能，这是保障道路安全的重大进展。