周报8.29

小组周报

小组成员: 陈思潼

汇报周期: 2026年8月22日---2026年8月29日

一、本周计划

  1. 文献调研

    • 阅读一篇论文MMI‑Det:面向可见光‑红外目标检测的多模态融合探究
  2. 算法实现与实验验证

    • 改动模型以提升性能至0.93以上
    • 改已读可改论文的融合模块
  3. 结果整理与问题分析

    • 汇总实验结果

二、本周进展

2.1 文献阅读进展

本周共阅读相关论文 1 篇,重点关注以下方向:

序号 论文名称 会议/期刊 主要内容 可借鉴点
1 MMI-Det: Exploring Multi-Modal Integration for Visible and Infrared Object Detection TCSVT 2024 设计轮廓增强模块 CEM,增强模型对场景目标轮廓的感知能力;设计融合聚焦模块 FFM结合频谱提取模块、模式判别模块与 Transformer,提取可见光、红外不同频谱特征,聚焦两种模态不同空间位置上的目标关键信息,借助 Transformer 自注意力机制充分融合可见光‑红外互补特征

2.2 实验与代码进展

本周主要完成了以下实验或代码工作:

  1. 尝试现有最优模型新的改动方向
  2. 改已读可改论文的融合模块

当前实验结果如下:

序号 方法/模型 期刊 mAP50 mAP50-95
1 CDCFusion 0.908±0.005 0.700±0.002
2 seg 0.906±0.007 0.699±0.017
3 tf 0.917±0.005 0.708±0.007
4 KDFuse IF 2025 0.923±0.002 0.706±0.006
5 MambaVision CVPR 2025 0.923±0.006 0.704±0.005
6 Mask-DiFuser TPAMI 2026 0.911±0.004 0.708±0.003
7 PSTLFusion PR 2022 0.915±0.007 0.699±0.003
8 U2Fusion TPAMI 2020 0.918±0.007 0.710±0.003
9 RPFNet ACM MM 2025 0.906±0.004 0.685±0.002
10 CMADet TIV 2024 0.861 0.659
11 0.927 0.708

三、下周计划

下周计划围绕以下几个方面继续推进:

  1. 继续完善文献调研

    • 阅读一篇关于红外可见光融合目标检测的论文。
  2. 推进模型实验

    • 再跑一些新的对比方法
    • 看是否有更好的性能来参照改动模型以提升性能至0.93以上
相关推荐
陈嘿萌18 分钟前
TIP 2026 | 不再混成一张! RealFusion从模态不变性重想图像融合
图像处理·人工智能·深度学习·计算机视觉·学术研究与理论基础
蜗牛一步步往上爬1 小时前
第十六章 C++语言在深度学习中的应用
开发语言·c++·深度学习
武天旭2 小时前
AI安全--AI大模型的对抗样本攻击与防御解析
人工智能·深度学习·安全·机器学习
tellmewhoisi5 小时前
深度学习0:数学知识:正态分布4(坐标变换的缩放比例(面积微元变换))
人工智能·深度学习
布吉岛的石头6 小时前
Java 程序员第 50 阶段14:灾难性遗忘与回放
人工智能·深度学习·transformer
在所不辞兄7 小时前
为什么神经网络在训练集损失已接近零后继续训练,测试性能仍可能继续提升,而不是单纯地越来越过拟合?
人工智能·深度学习·神经网络·机器学习·智能仿真
Rocky Ding*10 小时前
深入浅出IDM-VTON论文精读:虚拟试衣怎样同时保住服装语义与局部细节
论文阅读·人工智能·深度学习·机器学习·aigc·ai-native·idm-vton
weixin_4684668510 小时前
视觉Transformer的“第二次革命”:ViT³如何用测试时训练重构注意力范式
人工智能·深度学习·机器学习·ai·重构·transformer·vit
电科_银尘11 小时前
【深度学习项目实战·17】行人目标检测:用Faster R-CNN找出图片中的行人
深度学习·目标检测·r语言
在所不辞兄1 天前
为什么学习率预热(warmup)能显著改善Transformer等大模型的训练稳定性?
人工智能·深度学习·神经网络·机器学习·智能仿真