周报10.11

小组周报小组成员陈思潼汇报周期2026年9月28日—2026年10月11日一、本周计划文献调研阅读一篇红外与可见光融合相关论文TFDet: Target-Aware Fusion for RGB-T Pedestrian Detection算法实现与实验验证根据云监督效果进行该方向改动找云监督最新方向把softmax改掉成别的权重生成结果整理与问题分析汇总整理实验结果二、本周进展2.1 文献阅读进展本周共阅读相关论文 1 篇重点关注以下方向序号论文名称会议/期刊主要内容可借鉴点1TFDet: Target-Aware Fusion for RGB-T Pedestrian DetectionTNNLS 2025提出全新多光谱特征融合方案 —— 目标感知融合策略。不同于以往仅做特征拼接融合的方法本工作进一步做特征优化增强目标区域表征、抑制背景区域表征2.2 实验与代码进展本周主要完成了以下实验或代码工作根据云监督效果进行该方向改动把softmax改掉成别的权重生成第一版改动第二版改动第三版改动第四版改动改动对可信度权重的生成加入云监督权重初步设为0.1先只在第三层级做。在原有检测Loss基础上加了云监督loss云图先转成连续云层强度转成 Optical reliability 的监督目标对 OASDFusion 的 reliability 做 BCE调小λ0.05自适应λ每10epoch根据map50结果调整参数移动方向最终检测到参数停留在0.065在原版无云监督的基础上把softmax改为sigmoid加归一化结果0.879±0.0440.909±0.0110.910±0.0160.912±0.011分析可能因为辅助云监督损失对可靠性权重学习施加了较强约束该监督目标与检测任务所需的最优特征分配并不一定完全一致可能对检测性能产生干扰。有明显提升且不同seed下更稳定略有提升比原版性能差最优框架图如下最新云监督论文方向CFCFNet直接面向云遮挡目标检测IEEE JSTARS2025该研究提出云去除模块、跨模态特征校准模块和动态融合模块并构建了 OPTSAR-Cloud 数据集。PLCSeg保留原始云图信息而不是只依赖去云结果GIScience Remote Sensing2026该方法同时利用原始云遮挡图像、去云图像和 SAR 特征逐层进行交互融合重点处理云遮挡造成的信息丢失以及去云过程引入的不确定性。Cloud Mask-Guided SAR–Optical Fusion云掩膜引导融合IEEE JSTARS2026该研究显式使用云掩膜引导 SAR–光学融合并结合空间域与频率域损失兼顾像素精度、纹理和全局一致性。它主要研究厚云去除和图像重建。NAM-CR同时考虑 SAR 噪声的质量感知监督Information Fusion2026 年 9 月该研究针对 SAR 辅助去云提出云引导的噪声自适应损失让学习过程根据 SAR 噪声强度调整而不只考虑光学图像中的云污染。当前实验结果如下序号方法/模型期刊mAP50mAP50-951CDCFusion0.908±0.0050.700±0.0022seg0.906±0.0070.699±0.0173tf0.917±0.0050.708±0.0074KDFuseIF 20250.923±0.0020.706±0.0065MambaVisionCVPR 20250.923±0.0060.704±0.0056Mask-DiFuserTPAMI 20260.911±0.0040.708±0.0037PSTLFusionPR 20220.915±0.0070.699±0.0038U2FusionTPAMI 20200.918±0.0070.710±0.0039CMADetTIV 20240.906±0.0040.685±0.00210RPFNetACM MM 20250.865±0.0080.659±0.00811WaveMambaICCV 20250.913±0.0100.706±0.004120.9270.708三、下周计划下周计划围绕以下几个方面继续推进查看0.927的模型参数查看是否有其他数据集辅助支撑如无人机对地卫星对地融合模块改动不要做空间注意力这种起码往小波变换等方向做确认不用r分支直接使用云层真值是否有提升来判断是否继续做该分支改进尝试查看云监督最新论文确认是否合适嵌入进模型跑一下实验看是否有类似数据集重点关注CFCFNet云层对频域的影响对不同模态取不同频域或进行不同操作visio重画框架图