基于动态特征细化和全局上下文注意力知识蒸馏的红外无人机目标跟踪
计算机视觉与模式识别
2025-12-09 v2
摘要
基于热红外成像的无人机目标跟踪已成为反无人机应用中最重要的感知技术之一。然而，红外无人机目标常表现出弱特征和复杂背景，给准确跟踪提出了重大挑战。为此，我们提出了 SiamDFF—a种新型集成特征增强与全局上下文注意力知识蒸馏的动态特征融合双流网络，用于红外无人机目标（IRUT）跟踪。SiamDFF 包含选择性目标增强网络（STEN）、动态空间特征聚合模块（DSFAM）和动态通道特征聚合模块（DCFAM）。STEN 使用强度感知的多头交叉注意力，适性地增强模板和搜索分支中重要区域的特征。DSFAM 通过整合局部细节与全局特征，利用空间注意力引导，增强多尺度无人机目标特征。DCFAM 有效地将来自模板分支中来自 STEN 的混合模板与原始模板相结合，避免模板区域的背景干扰，从而增强搜索框中无人机目标区域的特征。此外，为提升网络对 IRUT 的特征提取能力且不增加额外计算负担，我们提出一种新型面向跟踪的目标感知上下文注意力知识蒸馈器。它将教师网络中的目标先验 transferred 到学生模型中，显著提升了学生网络在主干网络各层级上对信息丰富区域的关注度。大量基于真实红外无人机数据集的实验表明，所提方法在复杂背景下优于当前最先进的目标跟踪器，同时实现了实时跟踪速度。
引用
@article{arxiv.2512.04581,
title = {Infrared UAV Target Tracking with Dynamic Feature Refinement and Global Contextual Attention Knowledge Distillation},
author = {Houzhang Fang and Chenxing Wu and Kun Bai and Tianqi Chen and Xiaolin Wang and Xiyang Liu and Yi Chang and Luxin Yan},
journal= {arXiv preprint arXiv:2512.04581},
year = {2025}
}
备注
Accepted by IEEE TMM