用于红外小目标检测的密集嵌套注意力网络
计算机视觉与模式识别
2022-08-17 v3
摘要
单帧红外小目标 (SIRST) 检测旨在将小目标从杂波背景中分离出来。随着深度学习的发展，基于 CNN 的方法凭借其强大的建模能力在通用目标检测中取得了可喜的结果。然而，现有的基于 CNN 的方法不能直接用于红外小目标，因为其网络中的池化层可能导致深层中目标的丢失。为解决该问题，本文提出一种密集嵌套注意力网络 (DNANet)。具体而言，我们设计了密集嵌套交互模块 (DNIM) 以实现高层与低层特征间的渐进交互。通过 DNIM 中的重复交互，深层中的红外小目标得以保持。基于 DNIM，我们进一步提出级联通道与空间注意力模块 (CSAM) 以自适应增强多层次特征。借助我们的 DNANet，小目标的上下文信息可通过重复融合与增强得到良好整合与充分利用。此外，我们构建了红外小目标数据集 (即 NUDT-SIRST) 并提出一组评价指标以开展全面的性能评估。在公开数据集与我们自建数据集上的实验证明了方法的有效性。与其他最先进 (SOTA) 方法相比，我们的方法在检测概率 (Pd)、虚警率 (Fa) 和交并比 (IoU) 方面取得了更优性能。
引用
@article{arxiv.2106.00487,
title = {Dense Nested Attention Network for Infrared Small Target Detection},
author = {Boyang Li and Chao Xiao and Longguang Wang and Yingqian Wang and Zaiping Lin and Miao Li and Wei An and Yulan Guo},
journal= {arXiv preprint arXiv:2106.00487},
year = {2022}
}
备注
Accepted by IEEE Transactions on Image Processing (TIP)