本文提出了一种基于3D模型合成训练图像的方法，以提升目标检测性能。通过生成与真实图像相似的合成图像，显著提高了无人机、飞机和汽车的检测效果。此外，结合合成数据和真实数据的深度学习热红外远程目标检测系统，改善了模型的鲁棒性和性能。

该文综述RGB-T目标跟踪研究，提出多种融合可见光与热红外模态的方法，包括MACFT混合注意追踪器、互即时学习架构、轻量二维注意机制、大规模基准数据集、多适配器卷积网络MANet、单阶段Transformer网络USTrack及挑战感知神经网络，旨在低成本下实现鲁棒多模态融合，提升跟踪性能与速度。

本文介绍了一个利用深度学习和数据增强的热红外远程目标检测系统，针对海上救援进行研究。通过使用TIR相机建立了自采集的TIR数据集，并收集了一个合成数据集。提出了一种基于生成模型的自适应算法来解决领域差距问题。实验结果表明，使用增强数据训练的网络性能优于只使用真实数据训练的网络，分割模型性能超越了最先进的方法。

该文介绍了一种基于可见光和热红外图像融合的RGB-T跟踪技术，采用轻量级的即时学习器和二维注意机制，实现了两种模态信息更全面的融合。实验证明，该跟踪架构既有效又高效，在保持高运行速度的同时实现了最先进的性能。

本文介绍了一个利用深度学习和数据增强的热红外远程目标检测系统，针对海上救援进行研究。通过使用TIR相机建立了一个自采集的TIR数据集，并收集了一个合成数据集。为了解决合成TIR图像与真实TIR图像之间的领域差距，本文提出了一种基于生成模型的自适应算法。实验结果表明，用包含翻译合成和真实TIR数据的增强数据训练的网络在性能上明显优于只使用真实TIR数据进行训练的网络。所提出的分割模型超越了最先进的分割方法的性能。