Oct, 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

PDF
TL;DR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。
infrared small target detectiondeep learningmanual annotationlevel setpseudo mask
发现论文，激发创造
  • 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

  • 蒙特卡罗线性聚类结合单点监督足以用于红外小目标检测

    本文提出了一种新方法，使用单点监督来缓解红外小目标检测中昂贵训练数据的注释负担，并通过引入聚类方法的随机性和 “蒙特卡罗” 聚类方法来精确恢复拟似掩码，从而将任意完全监督的小目标检测网络转变为仅具有单点注释的弱监督网络。实验证明，该方法可以达到与完全监督网络相当的性能，揭示了单点监督的强大性。

    Apr, 2023

  • ILNet: 突出红外小目标检测中的低级问题

    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。

    Sep, 2023

  • 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

  • 基于双层对抗框架增强红外小目标检测鲁棒性

    在本文中，我们提出了一个双层对抗性框架，在存在不同类型干扰的情况下提升了检测的鲁棒性。我们首先提出了一个双层优化的公式来引入动态对抗性学习，同时提供了一种分层增强学习策略来发现最有害的干扰。此外，我们还提出了一种用于目标检测的空间频率交互网络，以更好地分离干扰和显著特征。广泛实验证明我们的方案明显改善了在多种干扰下的 21.96％ IOU，并在通常的基准测试中提升了 4.97％的 IOU。

    Sep, 2023

  • 将退化与标签演化映射：使用单点监督学习红外小目标检测

    本研究旨在利用点级别监督来实现红外小目标检测，使用标签演化框架（LESPS）扩展点标签，使网络预测可以逐渐逼近更新的伪标签，从而实现端到端训练，并通过广泛的可视化实验证明了我们方法的有效性，达到了超过 70％和 95％的像素级联合交集和目标级探测概率的全监督性能。

    Apr, 2023

  • 基于自监督学习的大规模负样本合成技术在红外小目标检测中的应用

    通过负样本增强方法，本研究提出了一种针对红外小目标检测的算法，与其他最先进方法相比，在概率检测率（Pd）、虚警率（Fa）和交并比（IoU）等方面取得了卓越的性能。

    Mar, 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

  • SpirDet: 高效、准确和轻量级红外小目标检测器

    提出了一种名为 SpirDet 的新颖方法，用于高效检测红外小目标，通过采用双分支稀疏解码器、轻量级 DO-RepEncoder 和优化参数重新表征等技术，该方法在推理速度和参数数量方面明显优于现有模型。

    Feb, 2024

  • 红外图像中小目标检测综述

    利用传统图像处理和深度学习方法，本文提出了一个基于 IR 图像的小目标检测综述，总结了该领域的进展和方法，并对现有技术的不足和未来研究方向进行了讨论。

    Nov, 2023