摘要

近年来，多模态目标检测受到广泛关注，因其能够利用不同模态间的信息互补特性，有效提升检测模型的精度与稳定性。然而，相较于单一模态输入的处理，多模态信息融合会显著增加模型的计算复杂度，从而影响其运行效率。因此，多模态融合模块的设计需精心权衡，以在提升检测性能的同时，保持较低的计算开销。本文提出一种新颖的轻量化融合模块——通道切换与空间注意力融合模块（Channel Switching and Spatial Attention, CSSA），能够高效地融合来自不同模态的输入信息。通过在两个公开的多模态数据集LLVIP和FLIR上进行实验验证，该模块在配对的红外（IR）与可见光（RGB）图像上均展现出优异的性能与良好的泛化能力。实验结果表明，所提出的CSSA模块可在不显著增加计算资源消耗的前提下，显著提升多模态目标检测的准确性。