本文提出了一种无监督领域自适应方法，结合光谱和热图像模态，促进目标领域的表示学习。通过多任务学习框架和大规模红外数据集优化特征模型，实验结果显示相对增益达到10%。此外，利用生成模型解决合成与真实TIR图像的领域差距，显著提高了远程目标检测性能。

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。