针对RGB(Red Green Blue)模态与热度模态信息表征形式不一致，特征信息无法有效挖掘、融合问题，提出了一种新的联合注意力强化网络-FCNet(Feature Sharpening and Cross-modal Feature Fusion Net)。首先，通过双维度注意力机制提升图像特征映射能力；然后，利用跨模态特征融合机制捕获目标区域；最后，利用逐层解码结构消除背景干扰，优化检测目标。实验结果表明，该优化改进算法运算参数更少、运算时间更短，且模型整体检测性能均优于现有多模态检测模型性能。