PixelGame：将红外小目标分割视为纳什均衡
计算机视觉与模式识别
2022-09-16 v1
摘要
红外小目标分割（ISTS）的一个关键挑战是平衡假阴性像素（FNs）和假阳性像素（FPs）。传统方法通过加权和将 FNs 和 FPs 组合为单一目标，且优化过程由单一参与者决定。以相同策略最小化 FNs 和 FPs 会导致对抗性决策。为解决此问题，我们从新视角为 ISTS 提出了一个竞争博弈框架（pixelGame）。在 pixelGame 中，FNs 和 FPs 由不同玩家控制，其目标是最小化自身的效用函数。FNs 玩家和 FPs 玩家被设计为不同策略：一个最小化 FNs，另一个最小化 FPs。效用函数驱动两个参与者在竞争中演化。我们将 pixelGame 的纳什均衡视为最优解。此外，我们提出最大信息调制（MIM）以突出目标信息。MIM 有效聚焦于包含小目标的显著区域。在两个标准公开数据集上的大量实验证明了我们方法的有效性。与其他最先进方法相比，我们的方法在 F1 度量（F1）和交并比（IoU）方面取得了更好性能。
引用
@article{arxiv.2205.13124,
title = {PixelGame: Infrared small target segmentation as a Nash equilibrium},
author = {Heng Zhou and Chunna Tian and Zhenxi Zhang and Chengyang Li and Yongqiang Xie and Zhongbo Li},
journal= {arXiv preprint arXiv:2205.13124},
year = {2022}
}