RGB-infrared(RGBT)数据任务中infrared(thermal)信息的使用方式

最新推荐文章于 2024-05-19 01:46:21 发布
原创 最新推荐文章于 2024-05-19 01:46:21 发布 · 2k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

Collating the processing methods of the infrared/thermal information in RGBT data

Detection

Learning Cross-Modal Deep Representations for Robust Pedestrian Detection

这篇文章的motivation和我之前想的不一样：希望使用红外图像进行detection，但是红外图像比较难获得，标注很少，希望通过少部分的红外图像来辅助train model，但是测试时还是只使用RGB进行detection。所以用了unsupervised deep learning。
emmm好像不太好借鉴

做法是首先train a model学习RGB到infrared image的映射，得到的模型会作为后续模型的一部分，从而保留了从红外学习到的一部分经验来辅助RGB的训练（好像是可以，但是不知怎么觉得有点怪怪的）

在这里插入图片描述
RRN是专门学习RGB到thermal的映射（RGBT中的T是thermal而非temperature好像）
在这里插入图片描述
然后设计了一个multi-scale detection model，RRN是其中黄色部分：
在这里插入图片描述

最低0.47元/天 解锁文章
RTFNet: 城市场景语义分割的RGB-Thermal融合网络
莫大逗比嘟嘟
04-15 1374
RTFNet: RGB-Thermal Fusion Network for Semantic Segmentation of Urban Scenes
【跨模态行人重识别】RGB-Infrared Cross-Modality Person Re-Identification(ICCV2017)
qq_39477732的博客
10-19 4428
跨模态行人重识别ICCV2017，提出数据集SYSU-MM01，提出零填充网络。
跨模态行人重识别：RGB-Infrared Cross-Modality Person Re-Identification 学习记录笔记
weixin_43898295的博客
03-16 6906
目录 原文链接 摘要: 1 介绍 1.1 数据集： 1.2 贡献 1.3 评估 2 网络结构比较 2.1 One-stream Structure 2.2 Two-stream Structure 2.3 Asymmetric FC layer structur 3 网络结构 3.1 单流和双流结构的连接 3.2 单流结构 3.3 备注 4深度零填充 4.1 网络输入分析 4.2RGB-IR深度零填充 5 实验 5.1 模型比较 5.2模型分析 原...
论文阅读8 | RGB-Infrared Cross-Modality Person Re-Identification via Joint Pixel and Feature Alignment
滨哥v5的博客
05-10 912
使用GAN来解决可见光-红外的ReID任务
论文笔记004：[ICCV2019]RGB-Infrared Cross-Modality Person Re-Identification via Joint Pixel and Feature A
qq_41876456的博客
10-31 656
12
【论文阅读】人群计数（Crowd Couting）| RGBT-CC | Cross-Modal Collaborative Representation Learning
wsygxxn的博客
04-07 2423
在这项工作中，我们发现结合光学和热信息可以极大地帮助识别行人。为了促进该领域的未来研究，我们引入了大规模 RGBT 人群计数 (RGBT-CC) benchmark，其中包含 2,030 对 RGB 热图像以及 138,389 个带注释的人。此外，为了促进多模态人群计数，我们提出了一个跨模态协作表示学习框架，该框架由多个特定模态分支、一个模态共享分支和一个信息聚合分发模块（IADM）组成，以充分捕获不同模态的互补信息。
RGB-Infrared Cross-Modality Re-Identification
judgechen1997的博客
03-19 1014
Methods of processing infrared image for Re-ID task《RGB-Infrared Cross-Modality Person Re-Identification》 《RGB-Infrared Cross-Modality Person Re-Identification》 2017-ICCV，这个task的挖坑论文： Motivation是显而易见...
rgbt模板跟踪数据集
01-16
- **RGBT234**: This dataset contains 234 sequences with both thermal infrared (TIR) and visible light (RGB) modalities, offering diverse scenarios including indoor and outdoor environments under ...
跨模态ReID方向：概念，具体文献，数据集，总结等（文章最后附全部论文下载链接）
makabaka的博客
03-06 4544
ReID: 现在计算机视觉研究的热门方向，主要解决跨摄像头跨场景下行人的识别与检索。该技术能够根据行人的穿着、体态、发型等信息认知行人，与人脸识别结合能够适用于更多新的应用场景，将人工智能的认知水平提高到一个新阶段。 Cross-module ReID： 即跨模态的ReID是通过在RGB图像及红外图像（目前仅有RGB-T任务）中识别与检索出人物的身份（ID）信息。其任务是主要分两个子任务，一个是减...
RGB-Infrared Cross-Modality Person Re-Identification---阅读
WJ_MeiMei的博客
01-11 3726
论文地址 源码地址，python2 版本 数据集SYSU-MM01 论文数据集，点击此处
Thermal engine 解析
weixin_41508767的博客
07-21 5422
本文所在的平台是安卓10 thermal engine是高通做的一个温度管理守护进程。在4.9后thermalengine不再被维护，推荐用于调试。从ktm+thermalengine变成thermalcore来监控温度。可是市面上还是有很多手机继续沿用thermalengine去控制温度，而thermalcore用于保守控制。 ...
论文阅读10 | RGB-Infrared Cross-Modality Person Re-Identification
滨哥v5的博客
05-11 1378
SYSU-MM01
2019 RAL之RGBT语义分割：RTFNet: RGB-Thermal Fusion Network for Semantic Segmentation of Urban Scenes
makabaka的博客
10-22 1149
RTFNet: RGB-Thermal Fusion Network for Semantic Segm 简述： 本文针对RGB-T语义分割任务，利用热图像的优势，并融合RGB和热信息在一个新的深度神经网络。 模型： 本文只有一个创新点，就是upception模块，其实就是上采样跳链接模块，本文没有太大的创新点，指标达到了sota（Res50的mIOU为51.7）： ...
Thermal Object Detection using Domain Adaptation through Style Consistency
weixin_36670529的博客
04-28 926
目录 摘要 1、简介 2、相关工作 A、目标检测 B、域适配 C、类型迁移 3、提出的方法 A、基于风格一致性(ODSC)的热图像目标检测 B、热图像中目标检测的跨域模型转移(CDMT) 4、实验和结果 A、数据集 B、基于风格一致性的热图像目标检测 C、热图像中目标检测的跨域模型传输 5、讨论 6、讨论 摘要 最近发生的一起自动驾驶车辆致命事故引发了一场关于在自动驾驶传感器套件中使用红外技术以提高鲁棒目标检测可见性的辩论。与激光雷达、雷达和照相机相比，热成像具有探测红外光
Thermal 芯片工作温度知识总结
我思故我在！
03-16 2074
https://wenku.baidu.com/view/392e4fefd7bbfd0a79563c1ec5da50e2534dd144.html 如果提供的是tj，但是要测的是case，只能这么算。但是，如果是有hs的还好，如果是没hs的差别巨大 一定要推算case的话，我也这么写。但是我加个note，大概意思就是说没有散热器的，所以通过上表面的power几乎为零，就是这个公式里的p几乎为零，所以tj实际上是非常接近tc的 ​有些规格书同时会..
RGBT图像融合算法综述
Littro Innovations
06-20 4697
介绍几种RGBT图像融合算法
RGB-T追踪——【数据集基准】GTOT / RGBT210 / RGBT234 / VOT-2019-2020 / LasHeR / VTUAV
热门推荐
qq_42312574的博客
07-25 2万+
这个数据集出自2016IEEETransactionsonImageProcessing(T-IP)的文章，安徽大学李成龙课题组。数据集包括带统计偏差的50个视频对（以灰度图片-热红外图片对的序列）、视频对应的每帧GroundTruth注释、两个评估指标。视频对是对齐的灰度图片和热红外图。视频拍摄场景有16个，包括实验室、校园道路、操场、水池等等。数据集的统计特性包括评价指标预测框与真值框之间的中心位置距离。由于是小目标，所以这里阈值也由常用的20像素改成5像素。.........
融合视角下的RGBT单目标跟踪综述
一点人工一点智能的博客
04-29 3774
智能融合视角下的RGBT单目标跟踪综述RGBT视觉跟踪技术通过结合可见光与红外模态，有效应对低光环境、遮挡和伪装等复杂场景，显著提升跟踪性能，在多个领域展现出广阔的应用前景。
各种类型的RGB图像总结
985小菜鸡
05-19 3404
RGB系列图像包含了多个类型的图像，它们在传统的红、绿、蓝（RGB）颜色通道基础上添加了其他信息通道，以提供更丰富的图像数据。这些扩展的图像类型通常用于计算机视觉、图像处理和深度学习等领域。：添加了近红外（Near Infrared, NIR）通道，用于遥感和农业监测等领域。：包含热红外（Thermal Infrared）通道，用于夜视、监控和温度测量等应用。：加入了强度（Intensity）信息通道，通常用于光学成像和医学成像中。：包含透明度（Alpha）通道，用于图像合成和图像编辑。
RGB-infrared Datasets数据集在哪里找得到
最新发布
03-04
### 寻找RGB-Infrared数据集的方法 对于计算机视觉研究中的RGB-Infrared数据集获取，LLVIP 数据集是一个重要的资源，该数据集专为低光照环境下的视觉任务设计，提供了可见光和红外成像的配对样本[^1]。此数据集适用于多种任务，包括但不限于可见光与红外图像融合、低光条件下的行人检测以及可见光至红外的图像翻译。 除了 LLVIP 数据集之外，其他可用的数据集还包括： - **KAIST Multispectral Pedestrian (KMP)** 数据集：这个数据集包含了日间和夜间场景下的人类热成像和可见光图像，适合用于开发和测试跨模态目标识别算法。 - **FLIR ADAS Dataset**：由前视红外（FLIR）公司发布的一个大型自动驾驶辅助系统训练集，其中含有丰富的标注信息，涵盖了不同天气状况和时间条件下采集到的RGB和thermal infrared视频片段。 为了找到更多类似的公开数据集，可以访问专门收集并整理各类科研用途数据库网站，比如paperswithcode.com 或者 dataverse.org，在这些平台上通过关键词搜索功能输入“RGB Infrared”，即可发现一系列可供选择的研究素材库。 另外，学术会议论文也是了解最新发布的特定领域内高质量数据集合的有效途径之一；许多时候作者会在文章中提及所使用的具体数据源链接或下载方式。 ```python import requests def search_datasets(keyword="RGB Infrared"): base_url = "https://api.paperswithcode.com/api/v0/datasets/" params = {"q": keyword} response = requests.get(base_url, params=params) if response.status_code == 200: results = response.json() return [result['name'] for result in results] else: raise Exception(f"Failed to fetch data with status code {response.status_code}") print(search_datasets()) ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值