SpirDet：迈向高效、精确且轻量化的红外小目标检测器
计算机视觉与模式识别
2024-02-09 v1
摘要
近年来，由于显著进展，使用深度学习方法检测红外小目标已引起广泛关注。为了提高小目标的检测能力，这些方法通常维持一条保留稀疏微小目标高分辨率特征的路径。然而，这可能导致冗余且昂贵的计算。为应对这一挑战，我们提出了 SpirDet，一种用于高效检测红外小目标的新方法。具体而言，为解决计算冗余问题，我们采用了一种新的双分支稀疏解码器来恢复特征图。首先，快速分支直接预测一个稀疏图，指示潜在的小目标位置（仅占图的 0.5% 面积）。其次，慢速分支在稀疏图指示的位置进行细粒度调整。此外，我们设计了一个基于重参数化和下采样正交性的轻量级 DO-RepEncoder，可以有效减少内存消耗和推理延迟。大量实验表明，所提出的 SpirDet 显著优于最先进的模型，同时实现了更快的推理速度和更少的参数。例如，在 IRSTD-1K 数据集上，SpirDet 的 提升了 4.7，并且与之前的最先进模型相比， 加速了 。代码将向公众开放。
引用
@article{arxiv.2402.05410,
title = {SpirDet: Towards Efficient, Accurate and Lightweight Infrared Small Target Detector},
author = {Qianchen Mao and Qiang Li and Bingshu Wang and Yongjun Zhang and Tao Dai and C. L. Philip Chen},
journal= {arXiv preprint arXiv:2402.05410},
year = {2024}
}