基于时序差卷积的移动红外小目标检测中的时空上下文学习
计算机视觉与模式识别
2025-11-18 v2
摘要
移动红外小目标检测(IRSTD)在无人机监视和无人机搜索系统等实际应用中发挥着关键作用。由于目标特征弱且背景干扰复杂，移动IRSTD仍面临高大的挑战。精准的时空特征建模对于移动目标检测至关重要，通常通过时序差分或时空(3D)卷积实现。时序差分能够显式利用运动线索，但在提取空间特征方面能力有限；而3D卷积能有效地表示时空特征，但缺乏对沿时间维度运动动态的显式感知。本文提出一种新型移动IRSTD网络(TDCNet)，有效提取和增强时空特征以实现精准目标检测。具体而言，我们引入一种新型时序差卷积(TDC)重参数化模块，包含三个并行的TDC块用于捕获不同时间范围内的上下文依赖。每个TDC块将时序差分和3D卷积融合为统一的时空卷积表示。该重参数化模块能够有效捕获多尺度运动上下文特征，同时抑制复杂背景中的伪运动杂波，显著提高检测性能。此外，我们提出一种TDC引导的时空注意力机制，对TDC基座和平行3D基座的时空特征进行跨注意力。该机制建模其全局语义依赖，以细化当前帧的特征。广泛的实验在IRSTD-UAV和公开红外数据集上表明，TDCNet在移动目标检测中实现了最先进的检测性能。
引用
@article{arxiv.2511.09352,
title = {Spatio-Temporal Context Learning with Temporal Difference Convolution for Moving Infrared Small Target Detection},
author = {Houzhang Fang and Shukai Guo and Qiuhuan Chen and Yi Chang and Luxin Yan},
journal= {arXiv preprint arXiv:2511.09352},
year = {2025}
}
备注
Accepted by AAAI 2026