ABC：基于双线性相关注意力的红外小目标检测
计算机视觉与模式识别
2023-03-21 v1
摘要
红外小目标检测（ISTD）在预警、救援和制导等领域有着广泛的应用。然而，基于CNN的深度学习方法在分割红外小目标（IRST）时效果不佳，因其缺乏清晰的轮廓和纹理特征；基于transformer的方法也因缺少卷积归纳偏置而难以取得显著效果。为解决这些问题，我们提出了一种名为双线性相关注意力（ABC）的新模型，该模型基于transformer架构，包含一个具有新颖注意力机制的卷积线性融合transformer（CLFT）模块，用于特征提取与融合，有效增强了目标特征并抑制了噪声。此外，我们的模型包含一个位于网络更深层的u形卷积-空洞卷积（UCDC）模块，其利用更深特征分辨率更小的优势获取更精细的语义信息。在公开数据集上的实验结果表明，我们的方法达到了最先进的性能。代码见 https://github.com/PANPEIWEN/ABC
引用
@article{arxiv.2303.10321,
title = {ABC: Attention with Bilinear Correlation for Infrared Small Target Detection},
author = {Peiwen Pan and Huan Wang and Chenyi Wang and Chang Nie},
journal= {arXiv preprint arXiv:2303.10321},
year = {2023}
}