期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
红外与可见光多模态融合检测网络YOLO-MF及其恶劣环境鲁棒性研究
1
作者 马腾龙 陈彦林 +2 位作者 李加强 于海生 何超 《现代信息科技》 2026年第4期86-92,98,共8页
针对复杂交通场景中光照波动与恶劣天气导致的目标检测精度不足问题,文章提出红外与可见光多模态融合模型YOLO-MF。该模型以YOLOv11为基础,构建“双输入-多尺度交互-端到端检测”架构,集成BiFocus、AIFI、DEA三大融合模块及EUCB检测头,... 针对复杂交通场景中光照波动与恶劣天气导致的目标检测精度不足问题,文章提出红外与可见光多模态融合模型YOLO-MF。该模型以YOLOv11为基础,构建“双输入-多尺度交互-端到端检测”架构,集成BiFocus、AIFI、DEA三大融合模块及EUCB检测头,实现噪声抑制、动态交互与特征强化。在三大数据集上的实验验证结果表明,LLVIP测试集mAP@0.5达0.964、mAP@0.5:0.95达0.629,参数量仅7.5M;低光照场景精确率0.944、召回率0.918,显著优于YOLO系列(v5-v12)、RT-DETR等主流模型,且适配纯可见光、纯红外及多模态复杂场景。该模型有效解决了单模态鲁棒性差、传统融合噪声互扰及实时性不足等痛点,为自动驾驶等领域提供了高精度检测方案。 展开更多
关键词 YOLOv11 bifocus DEA EUCB AIFI 多模态融合
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部