weixin_44184852的博客

摘要：多光谱成像和深度学习已经成为支持从自动驾驶汽车到农业、基础设施监测和环境评估等各种用例的强大工具。这些技术的结合导致了非可见光光谱中目标检测、分类和分割任务的显著进步。本文共考虑了400篇论文，详细回顾了200篇，以提供多光谱成像技术、深度学习模型及其应用的权威元综述，考虑了YOLO方法的演变和适应。地面收集是最普遍的方法，占审查论文的63%，尽管用于YOLO多光谱应用的无人驾驶航空系统（UAS）自2020年以来翻了一番。最普遍的传感器融合是红-绿-蓝（RGB）与长波红外（LWIR），占文献的39%