CCDNet：用于红外小目标检测中抑制干扰项的隐蔽感知学习网络
计算机视觉与模式识别
2026-04-01 v1
摘要
红外目标检测（IRSTD）任务在野生动物救援和海洋搜救等领域具有重要应用价值。然而，由于红外目标对比度低且易于融入复杂背景，能够有效隐蔽自身。此外，其他具有相似特征的干扰项（distractors）会导致误报，进一步降低检测性能。为此，本文提出一种 novel _camouflage-aware_counter-distraction_network_（CCDNet）网络。我们设计了带权重多分支感知器（Weighted Multi-branch Perceptrons, WMPs）的主干网络，该网络聚合自条件化的多层次特征，以准确地表示目标和背景。基于这些丰富的特征，我们进一步提出了一种 novel 聚合-精炼融合颈部（Aggregation-and-Refinement Fusion Neck, ARFN），以细化来自浅层/深层特征图的结构/语义，并双向重建目标与背景之间的关系，在提高检测精度的同时突出目标、抑制复杂背景。此外，我们提出了一种新的对比度辅助干扰判别器（Contrastive-aided Distractor Discriminator, CaDD），通过在局部和全局层面对真实目标与背景之间进行自适应相似性计算，以更精确地判别干扰项，从而降低误报率。在红外图像数据集上的大量实验表明，CCDNet 在其他 state-of-the-art 方法中表现优异。
引用
@article{arxiv.2603.29228,
title = {CCDNet: Learning to Detect Camouflage against Distractors in Infrared Small Target Detection},
author = {Zikai Liao and Zhaozheng Yin},
journal= {arXiv preprint arXiv:2603.29228},
year = {2026}
}