10K 足矣：用于红外小目标检测的超轻量二值化网络
计算机视觉与模式识别
2025-08-05 v3
摘要
红外小目标检测（IRSTD）算法的广泛部署于边缘设备， necessitates 探索模型压缩技术。二值化神经网络（BNN）因其在模型压缩方面的卓越效率而 distinguished。然而，红外目标的小尺寸为 IRSTD 任务带来了严苛的精度要求，而二值化过程中固有的精度损失则是一个重大挑战。为此，我们提出了 Binarized Infrared Small-Target Detection Network（BiisNet），该网络保留二值化卷积的核心操作，同时将全精度特征集成到网络的信息流中。具体而言，我们提出了 Dot Binary Convolution，该卷积保留特征图中细粒度语义信息，同时仍利用二值化卷积操作。此外，我们引入一种光滑且自适应的 Dynamic Softsign 函数，为反向传播提供更为全面且逐步细化的梯度，从而增强模型稳定性，促进最佳权重分布。实验结果表明，BiisNet 不仅显著优于其他二值化架构，而且在最新全精度模型中也表现出强大的竞争力。
引用
@article{arxiv.2503.02662,
title = {10K is Enough: An Ultra-Lightweight Binarized Network for Infrared Small-Target Detection},
author = {Biqiao Xin and Qianchen Mao and Bingshu Wang and Jiangbin Zheng and Yong Zhao and C. L. Philip Chen},
journal= {arXiv preprint arXiv:2503.02662},
year = {2025}
}
备注
We found the paper has insufficient workload after review. No substitute manuscript can be ready soon. To ensure academic quality, we withdraw it and plan to resubmit when improved