BriefGPT - AI 论文速递
·
FD2-Net：基于频率驱动的特征分解网络用于红外-可见物体检测
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
该研究提出了一种新型频率驱动特征分解网络FD2-Net，有效解决红外-可见物体检测中的视频率特征问题，显著提升复杂环境下的检测性能。
🎯
关键要点
- 该研究提出了一种新型频率驱动特征分解网络FD2-Net。
- FD2-Net有效解决了红外-可见物体检测中的视频率特征问题。
- 该方法通过独特的频率表示捕捉互补信息。
- FD2-Net显著提升了复杂环境下的检测性能。
- 在多个基准测试中，FD2-Net超越了现有的最先进模型。
➡️
