摘要：

相比于传统基于可见光单一模态的目标检测,可见光-红外双模态融合目标检测具有更高的检测精度和更强的鲁棒性.然而,由于缺乏有效的多模态融合策略,可见光-红外双模态融合的目标检测模态互补性利用不足,检测准确率仍有较大提升空间.提出一种基于两级融合策略的可见光-红外双模态融合目标检测方法.该方法以可见光-红外图像内容作为监督,分别通过特征权重生成网络(feature weight generation network, FWGN)和模型选择网络(model selection network,MSN)实现对多模态特征的特征级融合和多元模型检测结果的决策级融合,解决了传统固定权重下特征融合导致的模态冲突与细节丢失问题,提升了检测系统对不同场景的适应能力.实验表明,所提方法在M3FD数据集上的平均检测精度达76.3%,优于当前主流的目标检测方法.