MPANet：用于红外小目标检测的多块注意力网络
计算机视觉与模式识别
2022-06-07 v1
摘要
红外小目标检测（ISTD）已引起广泛关注并应用于诸多领域。由于红外目标尺寸小且复杂背景带来噪声干扰，使用卷积神经网络（CNNs）的 ISTD 性能受限。此外，普通 CNNs 无法编码长距离依赖特征这一局限，也削弱了在复杂场景中捕捉目标形状与位置的鲁棒性。为此，提出一种基于轴向注意力编码器与多尺度块分支（MSPB）结构的多块注意力网络（MPANet）。具体而言，设计了一种经轴向注意力改进的编码器架构，以突出小目标的有效特征并抑制背景噪声。进而，所开发的 MSPB 结构融合了来自不同语义尺度的粗粒度与细粒度特征。在 SIRST 数据集上的大量实验表明，相较于最先进的方法，所提 MPANet 具有优越的性能与有效性。
引用
@article{arxiv.2206.02120,
title = {MPANet: Multi-Patch Attention For Infrared Small Target object Detection},
author = {Ao Wang and Wei Li and Xin Wu and Zhanchao Huang and Ran Tao},
journal= {arXiv preprint arXiv:2206.02120},
year = {2022}
}
备注
4 pages 3 figures