Sep, 2023

ILNet: 突出红外小目标检测中的低级问题

PDF
TL;DR通过提出红外小目标检测的新方法 —— 红外低级网络（ILNet），结合交互极化正交特征融合模块（IPOF）和动态一维聚合层（DODA），利用集成学习思想设计代表性模块（RB），提高数据量的情况下，ILNet 在挑战性数据集上表现出了更好的性能。
infrared small target detectionilnetinteractive polarized orthogonal fusion moduledynamic one-dimensional aggregation layersensemble learning
发现论文，激发创造
  • iSmallNet：具有标签解耦的密集嵌套网络用于红外小目标检测

    本文提出了一种多流密集嵌套网络 iSmallNet，配合标签解耦技术针对红外小目标检测中常见的背景杂乱、易错报和 CNN 无法识别等问题，在内部地图和边界地图上解决源标签分布不均的问题，并引入多尺度嵌套交互模块和内部 - 边界融合模块以增强整个网络的性能，实验结果表明 iSmallNet 比其他 11 种最先进的检测器表现更好。

    Oct, 2022

  • EFLNet：增强红外小目标检测的特征学习

    我们提出了一种基于 YOLOv7 框架的增强特征学习网络 (EFLNet)，以解决红外小目标检测中目标与背景之间的极端不平衡、边界框回归对红外小目标的敏感性和高级语义层中小目标信息易丢失的问题，并通过实验证明我们的方法在红外小目标检测性能方面优于最先进的基于深度学习的方法。

    Jul, 2023

  • 基于 Transformer 的改进密集嵌套注意力网络用于红外小目标检测

    提出了一种基于改进的稠密嵌套注意力网络（IDNANet）的红外小目标检测方法，采用变压器架构并结合 Swine-transformer 进行特征提取，在稠密嵌套结构中引入 ACmix 注意力结构增强中间层特征，通过设计加权 Dice 二元交叉熵（WD-BCE）损失函数缓解前景 - 背景样本不平衡的负面影响。通过在公共数据集上的实验表明，该方法在检测概率（P_d）、误警率（F_a）和平均交集联合（$mIoU$）等指标上优于其他最先进的方法，NUDT-SIRST 数据集上的 $mIoU$ 为 90.89，NUAA-SIRST 数据集上为 79.72。

    Nov, 2023

  • 点击 - 遮罩：基于水平集的红外小目标检测的高效标注框架

    这篇论文提出了一种劳动效率高且粗略标注框架，通过使用级数集来获得仅需一次粗略点击即可得到高质量伪掩码，解决了因小目标尺寸和过度正则化导致的零水平轮廓消失的问题，实验表明该方法在 NUAA-SIRST 和 IRSTD-1k 数据集上具有优异的性能。

    Oct, 2023

  • RPCANet：基于深度展开的 RPCA 的红外小目标检测

    提出了一种名为 RPCANet 的可解释深度网络，用于检测红外弱目标，通过将迭代优化更新步骤展开成深度学习框架，实现了对目标的清晰解释性和对内在图像特征的保留，在定性和定量评价中超越了基线方法，证明了深度展开框架的有效性。

    Nov, 2023

  • 多尺度方向感知网络用于红外小目标检测

    提出了一个多尺度方向感知网络（MSDA-Net），首次尝试将红外小目标的高频方向特征作为领域先验知识集成到神经网络中，并通过创新的多方向特征感知（MDFA）模块、多尺度局部关联学习（MLRL）模块、高频方向注入（HFDI）模块等进行完整的特征提取和定位。大量实验结果表明，MSDA-Net 在公共数据集 NUDT-SIRST、SIRST 和 IRSTD-1k 上实现了最新的最佳效果。

    Jun, 2024

  • 红外小目标检测的尺度和位置敏感性

    使用更有效但结构简单的损失函数提高检测性能，通过引入基于目标尺度的权重和基于目标中心点的惩罚项处理现有损失的局限性，并设计了一个简单的多尺度头部结构，通过在每个预测尺度上应用 Scale and Location Sensitive (SLS) 损失函数，超过现有最先进方法的检测性能。

    Mar, 2024

  • 通过后验分布建模减轻红外小目标检测的目标级不敏感性

    本文提出了一种用于红外小目标检测的扩散模型框架，通过模拟像素级判别与掩模后验分布建模相结合，转变了从判别范式到生成范式的方法，以绕过目标级的不敏感性，并设计了小波域中的低频隔离以抑制内在红外噪声对扩散噪声估计的干扰。实验证明，该方法在 NUAA-SIRST、IRSTD-1k 和 NUDT-SIRST 数据集上相对于最先进的方法具有竞争性的性能优势。

    Mar, 2024

  • HCF-Net：红外小目标检测的分层上下文融合网络

    本文提出了一种深度学习方法 HCF-Net，通过多个实用模块显著提高了红外小目标检测性能。

    Mar, 2024

  • 局部对比和全局语境信息使红外小物体再次显著

    本文提出了一种新型可靠的 ISOS 检测模型 UCFNet，该模型可以有效地解决 IR 图像中小物体缺乏足够的强度、形状和质地信息以及在深度神经网络模型中获取高级语义特征和图像级感受野的过程中可能丢失的问题。同时，这种模型借助于中心差分卷积和快速傅里叶卷积，在不被小目标挤压的情况下提取全局信息。我们在几个公共数据集上进行了实验，并证明了我们的方法明显优于现有的 ISOS 模型。

    Jan, 2023