MTU-Net：用于天基红外微小舰船检测的多级TransUNet
计算机视觉与模式识别
2023-02-08 v1
摘要
天基红外微小舰船检测旨在从地球轨道卫星所捕获图像中分离出微小舰船。由于图像覆盖面积极大（如数千平方公里），这些图像中的候选目标比空基与陆基成像设备观测到的目标更小、更暗、更易变。现有基于短成像距离的红外数据集与目标检测方法无法很好地适用于天基监视任务。为解决这些问题，我们构建了天基红外微小舰船检测数据集（即NUDT-SIRST-Sea），含48幅天基红外图像与17598个像素级微小舰船标注。每幅图像覆盖约10000平方公里区域，像素为10000X10000。考虑到此类困难场景中微小舰船的极端特性（如小、暗、易变），本文提出一种多级TransUNet (MTU-Net)。具体而言，我们设计了一种Vision Transformer (ViT) 与卷积神经网络 (CNN) 混合编码器以提取多级特征。局部特征图先由若干卷积层提取，再送入多级特征提取模块 (MVTM) 以捕获长距离依赖。我们进一步提出复制-旋转-缩放-粘贴 (CRRP) 数据增强方法以加速训练阶段，有效缓解目标与背景间样本不平衡问题。此外，我们设计FocalIoU损失以实现目标定位与形状描述。在NUDT-SIRST-Sea数据集上的实验结果表明，我们的MTU-Net在检测概率、虚警率与交并比方面优于传统及现有基于深度学习的SIRST方法。
引用
@article{arxiv.2209.13756,
title = {MTU-Net: Multi-level TransUNet for Space-based Infrared Tiny Ship Detection},
author = {Tianhao Wu and Boyang Li and Yihang Luo and Yingqian Wang and Chao Xiao and Ting Liu and Jungang Yang and Wei An and Yulan Guo},
journal= {arXiv preprint arXiv:2209.13756},
year = {2023}
}