基于可见光和红外融合的低空目标检测
课题背景
低空经济是国家重点发展的战略性新兴产业，无人机、通航飞行器等低空目标的监管、安防、反制需求呈爆发式增长。
可见光与红外融合的目标检测技术，能够突破单一模态在夜间、强光、雾霾、遮挡等复杂场景下的性能瓶颈，是低空目标检测领域的核心研究方向，也是当前计算机视觉、遥感信息处理、安防工程领域的科研热点。
关键词： 低空经济、无人机目标检测、RGBT目标检测、多模态特征融合
课题创新点
| 创新点方向 | 核心问题 | 解决思路 |
|---|---|---|
| 可见光–红外融合的低空小目标检测算法研究 | 低空小目标漏检率高 | 提出小目标特征增强的双模态检测算法 |
| 轻量化可见光–红外融合低空目标检测算法研究 | 边缘端部署算力受限 | 提出低参量高实时的轻量化融合检测算法 |
| 复杂场景可见光–红外融合低空目标检测算法研究 | 极端环境检测性能骤降 | 提出高抗干扰的模态自适应鲁棒算法 |
| 小样本可见光–红外融合低空目标检测算法研究 | 低空目标标注数据稀缺 | 提出低数据依赖的小样本迁移检测算法 |
目标刊物： Neural Networks、EAAI、KBS、ESWA、Pattern Recognition（SCI 1–3区）
老师介绍
王老师，985高校博士，长期深耕计算机视觉领域，主要研究方向为视觉大模型、目标检测、显著性目标检测、语义分割、医学图像处理。
已在多个国际顶级期刊和会议发表多篇 IEEE Trans、SCI一区TOP论文
成功指导数十名学员发表SCI期刊、CCF会议和硕士毕业论文
具备论文选题、实验设计、写作润色、投稿返修全流程丰富实战经验
擅长引导学生挖掘核心科学问题，输出完整原创科研思路，协助超越现有SOTA
课程大纲
课程构成： 14节课（12节小班课 + 2节1v1辅导）
| 课节 | 课程标题 | 阶段产出 |
|---|---|---|
| 第1节 | 人工智能及目标检测入门 | 明确课程范围，掌握目标检测基础知识 |
| 第2节 | 目标检测核心理论 | 掌握可见光与红外图像特性、核心评价指标 |
| 第3节 | 基于深度学习的图像融合前沿算法 | 掌握3种以上经典/前沿融合算法原理与代码 |
| 第4节 | 基于深度学习的目标检测算法发展脉络 | 完成低空目标检测基线模型搭建与测试 |
| 第5节 | 可见光–红外融合目标检测算法分类与前沿 | 完成1篇顶刊顶会前沿论文精读与算法复现 |
| 第6节 | 低空目标检测标准数据集详解 | 完成FLIR、KAIST、DroneVehicle等数据集整理 |
| 第7节 | 文献调研与创新点挖掘方法 | 初步筛选2–3个潜在研究方向 |
| 第8节 | Idea指导——如何寻找创新点 | 初步确定研究创新点 |
| 第9–10节 | 论文调研进展汇报（一/二） | 分组汇报 + Idea细化指导 |
| 第11–12节 | Idea优化与实验设置指导（一/二） | 完善Idea，推进实验结果分析 |
| 第13节 | 论文写作指导 | 掌握论文各模块写作技巧 |
| 第14节 | 论文绘图指导 + 写作提升 | 完成论文润色与投稿定位 |
4V1多维论文支持体系
| 角色 | 职责 |
|---|---|
| 班主任 | 督学，跟进学习进度，规划全程进度管理 |
| 课程顾问 | 答疑、提供前沿文献资料与研究方法 |
| 主导师 | 授课，全程不定时答疑，提供方向性指导 |
| 代码导师 | 辅助教学，协助代码调试与技术落地 |
服务内容
✅ 12节1v多小班研讨课（4–8人精品小组，每周1次，约90分钟/次）
✅ 2节不限时1v1深度辅导（个性化选题 + 论文修改 + 科研规划）
✅ 全程导师在线答疑（微信群，24小时内回复）
✅ 完整课程资料（论文精读笔记、代码模板、写作指南、投稿Checklist）
✅ 课程结束后3个月内持续跟踪辅导（投稿后修改、Rebuttal支持）
✅ 科研能力评估报告 + 符合条件者可获导师推荐信
✅ 课程永久回放，随时可学
基于可见光和红外融合的低空目标检测
课题背景
低空经济是国家重点发展的战略性新兴产业，无人机、通航飞行器等低空目标的监管、安防、反制需求呈爆发式增长。
可见光与红外融合的目标检测技术，能够突破单一模态在夜间、强光、雾霾、遮挡等复杂场景下的性能瓶颈，是低空目标检测领域的核心研究方向，也是当前计算机视觉、遥感信息处理、安防工程领域的科研热点。
关键词： 低空经济、无人机目标检测、RGBT目标检测、多模态特征融合
课题创新点
| 创新点方向 | 核心问题 | 解决思路 |
|---|---|---|
| 可见光–红外融合的低空小目标检测算法研究 | 低空小目标漏检率高 | 提出小目标特征增强的双模态检测算法 |
| 轻量化可见光–红外融合低空目标检测算法研究 | 边缘端部署算力受限 | 提出低参量高实时的轻量化融合检测算法 |
| 复杂场景可见光–红外融合低空目标检测算法研究 | 极端环境检测性能骤降 | 提出高抗干扰的模态自适应鲁棒算法 |
| 小样本可见光–红外融合低空目标检测算法研究 | 低空目标标注数据稀缺 | 提出低数据依赖的小样本迁移检测算法 |
目标刊物： Neural Networks、EAAI、KBS、ESWA、Pattern Recognition（SCI 1–3区）
老师介绍
王老师，985高校博士，长期深耕计算机视觉领域，主要研究方向为视觉大模型、目标检测、显著性目标检测、语义分割、医学图像处理。
已在多个国际顶级期刊和会议发表多篇 IEEE Trans、SCI一区TOP论文
成功指导数十名学员发表SCI期刊、CCF会议和硕士毕业论文
具备论文选题、实验设计、写作润色、投稿返修全流程丰富实战经验
擅长引导学生挖掘核心科学问题，输出完整原创科研思路，协助超越现有SOTA
课程大纲
课程构成： 14节课（12节小班课 + 2节1v1辅导）
| 课节 | 课程标题 | 阶段产出 |
|---|---|---|
| 第1节 | 人工智能及目标检测入门 | 明确课程范围，掌握目标检测基础知识 |
| 第2节 | 目标检测核心理论 | 掌握可见光与红外图像特性、核心评价指标 |
| 第3节 | 基于深度学习的图像融合前沿算法 | 掌握3种以上经典/前沿融合算法原理与代码 |
| 第4节 | 基于深度学习的目标检测算法发展脉络 | 完成低空目标检测基线模型搭建与测试 |
| 第5节 | 可见光–红外融合目标检测算法分类与前沿 | 完成1篇顶刊顶会前沿论文精读与算法复现 |
| 第6节 | 低空目标检测标准数据集详解 | 完成FLIR、KAIST、DroneVehicle等数据集整理 |
| 第7节 | 文献调研与创新点挖掘方法 | 初步筛选2–3个潜在研究方向 |
| 第8节 | Idea指导——如何寻找创新点 | 初步确定研究创新点 |
| 第9–10节 | 论文调研进展汇报（一/二） | 分组汇报 + Idea细化指导 |
| 第11–12节 | Idea优化与实验设置指导（一/二） | 完善Idea，推进实验结果分析 |
| 第13节 | 论文写作指导 | 掌握论文各模块写作技巧 |
| 第14节 | 论文绘图指导 + 写作提升 | 完成论文润色与投稿定位 |
4V1多维论文支持体系
| 角色 | 职责 |
|---|---|
| 班主任 | 督学，跟进学习进度，规划全程进度管理 |
| 课程顾问 | 答疑、提供前沿文献资料与研究方法 |
| 主导师 | 授课，全程不定时答疑，提供方向性指导 |
| 代码导师 | 辅助教学，协助代码调试与技术落地 |
服务内容
✅ 12节1v多小班研讨课（4–8人精品小组，每周1次，约90分钟/次）
✅ 2节不限时1v1深度辅导（个性化选题 + 论文修改 + 科研规划）
✅ 全程导师在线答疑（微信群，24小时内回复）
✅ 完整课程资料（论文精读笔记、代码模板、写作指南、投稿Checklist）
✅ 课程结束后3个月内持续跟踪辅导（投稿后修改、Rebuttal支持）
✅ 科研能力评估报告 + 符合条件者可获导师推荐信
✅ 课程永久回放，随时可学