论文重审：尺度损失函数与高斯形卷积在红外小目标检测中的应用
计算机视觉与模式识别
2026-04-14 v1
摘要
红外小目标检测仍面临两个持续存在的挑战：来自非单调尺度损失函数的训练不稳定问题，以及由于通用卷积核忽略小目标物理成像特征导致的空间注意力不足问题。本文我们重新审视这两个方面。在损失函数方面，我们提出一种基于差分的尺度损失（diff-based scale loss），该损失根据预测掩码与真实掩码之间的有符号面积差对预测进行加权，从而产生严格单调的梯度并实现稳定收敛。我们进一步分析了四种尺度损失变体，以理解其几何性质如何影响检测行为。在空间特征方面，我们引入高斯形卷积（Gaussian-shaped convolution），其可学习的尺度参数用于匹配红外小目标的中心浓缩强度轮廓，并辅以旋转螺旋掩码（rotated pinwheel mask），通过直通估计器（straight-through estimator）自适应地将卷积核与目标方向对齐。在IRSTD-1k、NUDT-SIRST和SIRST-UAVB上进行的大量实验表明，与当前最先进方法相比，我们的方法在mIoU、Pd和Fa指标上均实现了一致的提升。我们发布了匿名代码和预训练模型。
引用
@article{arxiv.2604.09991,
title = {Revisiting the Scale Loss Function and Gaussian-Shape Convolution for Infrared Small Target Detection},
author = {Hao Li and Man Fung Zhuo},
journal= {arXiv preprint arXiv:2604.09991},
year = {2026}
}