SWAN：用于红外小目标检测的协同小波-注意力网络
图像与视频处理
2025-08-05 v1 计算机视觉与模式识别
摘要
红外小目标检测（IRSTD）在平民和军事应用中至关重要。本研究针对复杂背景下的精准红外小目标检测（IRSTD）挑战进行了解决。近期方法主要依赖传统卷积运算，这些运算主要捕获局部空间模式，难以区分小目标在复杂背景杂乱中的独特频率域特征。为克服这些限制，我们提出了协同小波-注意力网络（SWAN），这是一种新型框架，旨在从空间域和频率域感知目标。SWAN利用Haar小波卷积（HWConv）实现小目标频率能量与空间细节的深层、跨域融合。此外，移位空间注意力（SSA）机制以线性计算复杂度高效地建模长程空间依赖关系，增强了上下文感知。最后，残差双通道注意力（RDCA）模块自适应地校准通道级特征响应，以抑制背景干扰并放大目标相关信号。大量实验表明，SWAN在基准数据集上超越了现有最先进方法，在检测精度和鲁棒性方面均取得显著提升，尤其在复杂具挑战性场景中表现尤为突出。
引用
@article{arxiv.2508.01322,
title = {SWAN: Synergistic Wavelet-Attention Network for Infrared Small Target Detection},
author = {Yuxin Jing and Jufeng Zhao and Tianpei Zhang and Yiming Zhu},
journal= {arXiv preprint arXiv:2508.01322},
year = {2025}
}