稀疏帧基的时空语义反馈网络用于移动红外小目标检测
计算机视觉与模式识别
2026-04-08 v2
摘要
红外小目标检测(ISTD)已是防御和民用领域的关键技术，包括导弹预警、海洋监视和灾害监测等。然而，移动红外小目标检测仍面临诸多挑战：现有模型受限于时空语义关联不足且不够轻量化，而具备强场景泛化能力的算法在实际应用中备受需求。为此，本文提出一种稀疏帧基的时空语义反馈网络FeedbackSTS-Det。该方法引入闭环时空语义反馈策略，配对的前向和后向细化模块在编码器和解码器之间协同工作，有效提升检测精度并降低误报率。此外，本文引入嵌入式稀疏语义模块(SSM)，通过策略性分组帧按间隔传播语义并重组序列，高效捕获长程时序依赖，同时保持低计算开销。大量实验表明，所提网络在众多广泛采用的多帧红外小目标数据集上表现出色，具备良好的泛化能力和场景适应性。代码和模型已公开：https://github.com/IDIP-Lab/FeedbackSTS-Det。
引用
@article{arxiv.2601.14690,
title = {FeedbackSTS-Det: Sparse Frames-Based Spatio-Temporal Semantic Feedback Network for Moving Infrared Small Target Detection},
author = {Yian Huang and Qing Qin and Aji Mao and Xiangyu Qiu and Liang Xu and Xian Zhang and Zhenming Peng},
journal= {arXiv preprint arXiv:2601.14690},
year = {2026}
}
备注
Submitted to Journal IEEE Transactions on Circuits and Systems for Video Technology