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1900字，阅读约需5分钟。
📝
内容提要
本文介绍了多种基于高光谱图像的目标检测和跟踪方法，包括轻量级学习框架、视频伪装目标检测和透明物体跟踪等技术，展示了在不同数据集上的优越性能，推动了相关领域的发展。
❓
Q&A
什么是高光谱伪装目标检测框架？
高光谱伪装目标检测框架是一种利用短期动态和长期时间一致性来检测视频帧中的伪装目标的技术，采用单一优化框架统一运动估计和对象分割。
CoCOD8K数据集的特点是什么？
CoCOD8K数据集包含8528张高质量图像，带有目标遮罩注释，覆盖5个超类别和70个子类别，适用于协作伪装目标检测任务。
Hy-Tracker框架如何处理目标跟踪中的挑战？
Hy-Tracker框架利用YOLOv7和Kalman-Filter来处理尺度变化和遮挡挑战，从而实现对高光谱视频中目标的准确跟踪。
透明物体跟踪的主要挑战是什么？
透明物体跟踪的主要挑战在于其外观受背景影响，并且通常包含视觉上相似的物体，导致跟踪器性能下降。
SST-Net在高光谱目标跟踪中有什么创新？
SST-Net是一种具有光谱角度感知的空间-光谱融合神经网络，旨在提高高光谱目标跟踪的性能。
DMSSN方法的主要贡献是什么？
DMSSN方法利用深度网络进行多波段图像数据降维和特征提取，创建了高光谱显著目标检测数据集HSOD-BIT，提升了复杂场景下的目标检测精度。
🏷️
