iSmallNet：用于红外小目标检测的密度嵌套与标签解耦网络
计算机视觉与模式识别
2023-06-30 v2 人工智能
摘要
小目标常淹没于红外图像的杂乱背景中。传统检测器易产生虚警，而基于 CNN 的检测器在深层中丢失小目标。为此，我们提出 iSmallNet，一种用于红外小目标检测的多流密度嵌套与标签解耦网络。一方面，为充分利用小目标形状信息，我们将原始标注真值（GT）图解耦为内部图与边界图。GT 图协同这两个附加图，解决了小目标边界分布不均衡问题。另一方面，精心设计两个关键模块并嵌入所提网络以提升整体性能。首先，为在深层中保持小目标，我们开发了多尺度嵌套交互模块以探索大范围上下文信息。其次，我们开发了内部-边界融合模块以整合多粒度信息。在 NUAA-SIRST 与 NUDT-SIRST 上的实验清晰显示了 iSmallNet 相对于 11 种先进检测器的优越性。
引用
@article{arxiv.2210.16561,
title = {iSmallNet: Densely Nested Network with Label Decoupling for Infrared Small Target Detection},
author = {Zhiheng Hu and Yongzhen Wang and Peng Li and Jie Qin and Haoran Xie and Mingqiang Wei},
journal= {arXiv preprint arXiv:2210.16561},
year = {2023}
}