LSFDNet：一种基于 SWIR 与 LWIR 的单阶段融合检测网络用于舰船检测
计算机视觉与模式识别
2025-07-29 v1
摘要
传统舰船检测方法主要依赖单模态方法，如可见光或红外图像，在光照条件变化和浓雾环境下应用受限。为此，本文探索了短波红外（SWIR）和长波红外（LWIR）在舰船检测中的优势，提出一种新型单阶段图像融合检测算法称为 LSFDNet。该算法利用图像融合子任务网络与目标检测子任务网络之间的特征交互，实现了卓越的检测性能并生成视觉效果出色的融合图像。为进一步提高融合图像中目标的显著性以及提高下游检测任务的性能，我们引入了多层级交叉融合（MLCF）模块。该模块结合检测任务中对象敏感的融合特征，并跨模态、跨尺度、跨任务聚合特征，以获得更语义丰富的融合特征。此外，我们利用检测任务中的位置先验信息，进一步增强目标在融合图像中的语义保留。检测任务也利用来自融合任务的初步融合特征，以补充 SWIR 与 LWIR 特征，从而提升检测性能。此外，我们建立了近岸舰船长短波注册（NSLSR）数据集，用于训练有效的 SWIR 与 LWIR 图像融合与检测网络，弥补了该领域的研究空白。我们在两个数据集上验证了所提单阶段融合检测算法的优越性。源代码和数据集均可在 https://github.com/Yanyin-Guo/LSFDNet 获得。
引用
@article{arxiv.2507.20574,
title = {LSFDNet: A Single-Stage Fusion and Detection Network for Ships Using SWIR and LWIR},
author = {Yanyin Guo and Runxuan An and Junwei Li and Zhiyuan Zhang},
journal= {arXiv preprint arXiv:2507.20574},
year = {2025}
}
备注
ACMMM2025