Mixture of Experts是什么？3分钟看懂可靠性引导的稀疏专家路由融合

🔥 本文定位：CSDN 入门科普 | MoE 稀疏专家路由在 RGB-IR 融合中的应用

🎯 核心收益：3 分钟看懂 LER-YOLO 的核心创新——可靠性引导稀疏 MoE 融合，通俗易懂

Mixture of Experts是什么？3分钟看懂可靠性引导的稀疏专家路由融合

什么是 Mixture of Experts（MoE）？

简单来说，Mixture of Experts（混合专家模型）是一种"分工协作"的机制。想象一个医院：

• 传统方法：所有病人看同一个全科医生，不管什么病都用同一套方案
• MoE 方法：有一个"调度台"，根据病人症状把他们分到不同专科——心脏病去心内科，骨折去骨科，皮肤病去皮肤科

在深度学习中，MoE 就是让多个"专家网络"各司其职，一个"路由器"决定每个输入该交给哪个专家处理。

LER-YOLO 的三个专家

LER-YOLO 设计了三个异构专家来处理 RGB-IR 融合：

1. RGB 主导专家：擅长处理可见光信息丰富的区域（白天、纹理清晰）
2. IR 主导专家：擅长处理红外信息丰富的区域（夜间、热目标）
3. 交互融合专家：擅长跨模态信息交换（两种模态都可靠的区域）

可靠性如何引导路由？

这是 LER-YOLO 最聪明的地方。路由器不仅看"内容是什么"，还看"对齐可不可靠"：

区域A（对齐准确，目标清晰）→ 交互融合专家（两种模态充分交流） 区域B（对齐不准，有伪影）→ RGB主导或IR主导专家（只用一种模态）

这样做的好处是：可靠区域利用双模态互补，不可靠区域避免错误融合。

效果有多强？

• AP50 89.7%：超越静态融合基线（87.8%）1.9%
• 仅 12.21M 参数：与静态融合基线几乎持平
• 增益完全来自路由：不是靠堆参数，而是靠"聪明分配"

核心启示：在不对齐的多模态检测中，"因区域而异"的融合策略比"一刀切"更有效。

想看完整代码复现和 YOLO 迁移教程？请查看主文章：
LER-YOLO：RGB-IR不对齐UAV检测，可靠性引导稀疏MoE路由，MBU数据集AP50达89.7