HCF-Net：用于红外小目标检测的层次化上下文融合网络
计算机视觉与模式识别
2024-03-19 v1
摘要
红外小目标检测是计算机视觉中的重要任务，涉及对红外图像中微小目标的识别与定位，这些目标通常仅包含几个像素。然而，由于目标体积小时以及红外图像中通常复杂的背景，该任务面临诸多挑战。本文提出一种深度学习方法HCF-Net，通过多个实际模块显著提高红外小目标检测性能。具体包括并行化的patch感知注意力（PPA）模块、维度感知的选择性集成（DASI）模块以及多膨胀通道细化（MDCR）模块。PPA模块采用多分支特征提取策略，在不同尺度和层次上捕获特征信息。DASI模块实现自适应通道选择和融合。MDCR模块通过多个深度可分离卷积层捕获不同感受野范围的空间特征。在SIRST红外单帧图像数据集上的大量实验结果表明，所提出的HCF-Net表现优异，超越了其他传统和深度学习模型。代码已公开于https://github.com/zhengshuchen/HCFNet。
引用
@article{arxiv.2403.10778,
title = {HCF-Net: Hierarchical Context Fusion Network for Infrared Small Object Detection},
author = {Shibiao Xu and ShuChen Zheng and Wenhao Xu and Rongtao Xu and Changwei Wang and Jiguang Zhang and Xiaoqiang Teng and Ao Li and Li Guo},
journal= {arXiv preprint arXiv:2403.10778},
year = {2024}
}