基于轮廓感知与视觉先验嵌入的红外小目标检测网络 CSPENet
计算机视觉与模式识别
2025-05-16 v1
摘要
红外小目标检测（ISTD）在广泛的平民和军事应用中发挥关键作用。现有方法在稠密杂乱环境下针对微弱目标定位和轮廓感知存在不足，严重限制了检测性能。为解决此问题，本文提出一种轮廓感知与视觉先验嵌入网络（CSPENet）用于 ISTD。首先设计一种包围收敛先验提取模块（SCPEM），有效捕获目标轮廓像素梯度向中心收敛的固有特征。该模块同时提取两种协同先验：用于精准目标定位的提升后视觉先验，以及用于全面丰富轮廓细节表征的多尺度结构先验。基于此，提出一种双分支先验嵌入架构（DBPEA），建立不同的特征融合路径，在最佳网络位置嵌入这两种先验以实现性能提升。最后开发一种注意力引导的特征增强模块（AGFEM），以细化特征表征并提高视觉估计准确性。在公开数据集 NUDT-SIRST、IRSTD-1k 和 NUAA-SIRST 上的实验结果表明，CSPENet 在检测性能上优于其他最先进方法。代码已公开于 https://github.com/IDIP2025/CSPENet。
引用
@article{arxiv.2505.09943,
title = {CSPENet: Contour-Aware and Saliency Priors Embedding Network for Infrared Small Target Detection},
author = {Jiakun Deng and Kexuan Li and Xingye Cui and Jiaxuan Li and Chang Long and Tian Pu and Zhenming Peng},
journal= {arXiv preprint arXiv:2505.09943},
year = {2025}
}