LR-Net：用于红外小目标检测的轻量级鲁棒网络
计算机视觉与模式识别
2024-08-07 v1
摘要
受限于设备限制和目标固有特征的缺乏，现有的红外小目标检测方法难以满足实际综合性能要求。因此，我们提出了一种创新的轻量级鲁棒网络（LR-Net），它摒弃了复杂的结构，在检测精度和资源消耗之间取得了有效平衡。具体而言，为了保证轻量性和鲁棒性，一方面，我们构建了轻量级特征提取注意力（LFEA）模块，该模块能够充分提取目标特征并增强跨通道的信息交互。另一方面，我们构建了一个简单的精细化特征传递（RFT）模块。与直接的跨层连接相比，RFT模块能够以极少的资源消耗提高网络的特征细化提取能力。同时，为了解决高层特征图中小目标丢失的问题，一方面，我们提出了低层特征分布（LFD）策略，利用低层特征来补充高层特征的信息。另一方面，我们引入了一个高效的简化双线性插值注意力模块（SBAM），以促进低层特征对高层特征的引导约束以及两者的融合。此外，我们摒弃了传统的调整大小方法，采用了一种新的训练和推理裁剪策略，该策略对具有多尺度样本的数据集更加鲁棒。大量实验结果表明，我们的LR-Net达到了最先进的性能。值得注意的是，在LR-Net的基础上，我们在“ICPR 2024资源受限红外小目标检测挑战赛赛道2：轻量级红外小目标检测”中获得了第三名。
关键词
引用
@article{arxiv.2408.02780,
title = {LR-Net: A Lightweight and Robust Network for Infrared Small Target Detection},
author = {Chuang Yu and Yunpeng Liu and Jinmiao Zhao and Zelin Shi},
journal= {arXiv preprint arXiv:2408.02780},
year = {2024}
}