BihoT:用于高光谱伪装目标跟踪的大规模数据集和基准测试
原文中文,约600字,阅读约需2分钟。发表于: 。本研究针对现有高光谱目标跟踪数据集中,目标多依赖于视觉特征而非光谱特征的问题,提出了一种新的高光谱伪装目标跟踪任务(HCOT)并构建了大规模HCOT数据集BihoT,涵盖41,912幅高光谱图像和49个视频序列。研究中提出的基于光谱提示的分散关注网络(SPDAN)模型能够有效利用光谱信息,提升了在复杂场景中目标跟踪的准确性和鲁棒性。
该文章介绍了协作伪装目标检测(CoCOD)任务及其数据集和模型。CoCOD旨在从相关图像中检测具有相同属性的伪装目标。作者构建了包含8528张图像的CoCOD8K数据集,并提出了BBNet模型。实验结果显示该方法在性能上优于其他竞争方法。