面向红外小目标检测的多尺度方向感知网络
计算机视觉与模式识别
2025-12-11 v4
摘要
红外小目标检测面临难以有效分离背景与目标的问题。现有深度学习方法关注边缘和形状特征，但忽略了来自不同方向的高频分量中蕴含的更丰富的结构差异和细节信息，导致未能充分发挥高频方向特征在目标感知中的价值。为此，我们提出了多尺度方向感知网络 (MSDA-Net)，首次尝试将红外小目标的高频方向特征作为领域先验知识融入神经网络。具体而言，为充分挖掘高频方向特征，首先构建了一个无可训练参数的高频方向注入 (HFDI) 模块，将原始图像的高频方向信息注入网络；其次构建了一个多尺度方向感知 (MSDA) 模块，以促进在不同尺度和不同方向上对局部关系的充分提取和关键特征的全方位感知。此外，考虑到红外小目标的特点，我们构建了特征聚合 (FA) 结构以解决高层特征图中目标消失的问题，以及特征校准融合 (FCF) 模块以缓解跨层特征融合中的特征偏置。大量实验结果表明，我们的 MSDA-Net 在多个公开数据集上实现了状态-of-the-art (SOTA) 成绩。代码可在 https://github.com/YuChuang1205/MSDA-Net 获取。
引用
@article{arxiv.2406.02037,
title = {Multi-Scale Direction-Aware Network for Infrared Small Target Detection},
author = {Jinmiao Zhao and Zelin Shi and Chuang Yu and Yunpeng Liu and Xinyi Ying and Yimian Dai},
journal= {arXiv preprint arXiv:2406.02037},
year = {2025}
}
备注
Accepted by TGRS 2025