早日成仙-CSDN博客

原创 AIStation中创建虚拟环境

安装路径默认在你的 miniconda 或 anaconda 根目录下的。如果你已经激活了某个环境，比如。

2025-04-28 11:00:22 250

原创 MambaPro: Multi-Modal Object Re-Identification with Mamba Aggregation and Synergistic Prompt

结合 RGB、近红外（NIR）、热红外（TIR）可补偿单模态的弱点，但现有多模态融合方法要么泛化能力不足，要么计算复杂度高（尤其是多模态自注意力的二次方复杂度）。对中间特征先经线性→GELU→线性，再与 FFN 输出相加，增强任务特定信息的注入，同时仅需少量参数和 FLOPs 。：在后续层对上一层各模态 prompt 做平均融合，再以残差方式注入到本层 prompt，层层累积多模态互补信息；：将三路模态的 tokens 串联为长序列，整体输入 Mamba 块，挖掘跨模态交互；

2025-04-23 11:03:46 795

原创 ClearSight: Visual Signal Enhancement for Object Hallucination Mitigation in Multimodal Large Langu

问题识别：首次指出 Contrastive Decoding 会损害生成质量并拖慢推理速度。机制洞察：通过中间层注意力分析，发现视觉信息在融合过程中的弱势地位。方法创新：提出，无需额外训练或对比样本，直接在融合层增强视觉信号。实验验证：在多种模型与多项基准上，均证明 VAF 可有效降低幻觉、保持生成质量并无推理开销。。

2025-04-17 10:06:39 1103

原创 Multi-Modal Feature Pyramid Transformer for RGB-Infrared Object Detection

两大主要挑战：•RGB和红外图像在视觉上存在很大差异：RGB图像关注颜色和纹理，而红外图像主要传递温度和物体的形状信息。这种差异使得直接融合两种信息难以获得有效的互补特征。•在实际应用中，RGB与红外图像往往存在微小的空间错位（misalignment），使得两模态的目标位置不完全一致，从而加剧了融合难度。论文的核心问题就是如何设计一个高效且鲁棒的融合机制，使得能够充分挖掘两种模态的互补信息，并对齐二者的不一致情况，从而提升检测性能。

2025-04-09 20:53:24 844

原创 Stabilizing Multispectral Pedestrian Detection With Evidential Hybrid Fusion

这里，RoIc 是RGB通道的候选框，RoIt 是热成像通道的候选框，RoIo 是融合后的最终候选区域。：相比传统概率加权，该方法能够更合理地融合多个模态的信息，并对不可靠的模态进行降权处理。：该模块在不增加额外训练参数的情况下，提高模态之间的信息交互，提高检测准确度和鲁棒性。高不确定性时，模型减少该模态的影响，提高整体检测可靠性。，分别在RGB和热成像上提取候选行人区域（RoIs）。处理RGB图像中的RoI区域，提取特征并进行分类回归。处理热成像中的RoI区域，提取特征并进行分类回归。

2025-03-26 20:51:53 926

原创自注意力（Self-Attention） vs 交叉注意力（Cross-Attention）

是两种常见的注意力机制，它们的主要区别在于。在 Transformer 结构中，

2025-03-20 18:09:05 575

原创 Removal then Selection: A Coarse-to-Fine Fusion Perspective for RGB-Infrared Object Detection

近年来，利用可见光( RGB )和热红外( IR )图像进行目标检测受到了广泛关注，并在多个领域得到了广泛的应用。通过利用RGB和IR图像之间的互补特性，目标检测任务可以在各种光照条件下实现可靠和鲁棒的目标定位，从白天到夜间环境。现有的多模态目标检测方法大多直接将RGB和IR图像输入到深度神经网络中，导致检测性能较差。我们认为，这个问题不仅来自于有效整合多模态信息的挑战，而且来自于RGB和IR模态中冗余特征的存在。代码：关键词：红外目标检测、粗精融合、多传感器融合、尺度感知专家混合。

2025-03-18 16:38:29 730

原创目标检测中一对一匹配和一对多匹配的区别

在训练过程中，通过计算每个预测框与所有真实目标的匹配成本，然后使用匈牙利算法找到使总成本最小的匹配方式，即每个真实目标被分配给一个唯一的预测框，而剩余的预测框则被归类为背景或无目标。在传统的目标检测方法中，比如Faster R-CNN或YOLO，通常会有多个锚框（anchor boxes）与真实目标进行匹配，这可能导致多个预测框对应同一个真实目标，因此需要NMS来去除冗余的预测。在DETR中，损失函数的设计是关键，它通过计算预测框和真实框之间的匹配成本，然后使用匈牙利算法找到最优的一对一匹配。

2025-03-17 15:01:19 196