SCTransNet：用于红外小目标检测的空 - 通道交叉 Transformer 网络
计算机视觉与模式识别
2024-05-01 v3
摘要
红外小目标检测 (IRSTD) 最近受益于 U 形神经模型。然而，由于很大程度上忽略了有效的全局信息建模，现有技术在目标与背景具有高度相似性时表现挣扎。我们提出了一种空 - 通道交叉 Transformer 网络 (SCTransNet)，该网络在长程跳跃连接之上利用空 - 通道交叉 Transformer 块 (SCTBs) 来解决上述挑战。在提出的 SCTBs 中，所有编码器的输出通过交叉 Transformer 进行交互以生成混合特征，这些特征被重新分配给所有解码器，从而在全尺度上有效增强目标与杂波之间的语义差异。具体而言，SCTB 包含以下两个关键要素：(a) 用于交换局部空间特征和全层级全局通道信息的空间嵌入单头通道交叉注意力 (SSCA)，以消除编码器之间的歧义并促进图像的高层语义关联；(b) 用于通过多尺度策略和跨空 - 通道信息交互增强特征判别力的互补前馈网络 (CFN)，以促进有益的信息传递。我们的 SCTransNet 有效地编码了目标与背景之间的语义差异，提升了其内部表示，从而准确地检测红外小目标。在三个公共数据集 NUDT-SIRST、NUAA-SIRST 和 IRSTD-1k 上的大量实验表明，提出的 SCTransNet 优于现有的 IRSTD 方法。我们的代码将在 https://github.com/xdFai 公开。
引用
@article{arxiv.2401.15583,
title = {SCTransNet: Spatial-channel Cross Transformer Network for Infrared Small Target Detection},
author = {Shuai Yuan and Hanlin Qin and Xiang Yan and Naveed AKhtar and Ajmal Mian},
journal= {arXiv preprint arXiv:2401.15583},
year = {2024}
}