面向红外小目标检测的目标驱动自适应损失
计算机视觉与模式识别
2025-06-03 v1
摘要
我们提出了一种目标驱动自适应（TDA）损失，以增强红外小目标检测（IRSTD）的性能。先前的工作使用了损失函数（如二元交叉熵损失和 IoU 损失）来训练 IRSTD 的分割模型。最小化这些损失函数引导模型提取像素级特征或全局图像上下文。然而，它们存在两个问题：提高目标周围局部区域的检测性能，以及增强对小尺度和低局部对比度的鲁棒性。为了解决这些问题，提出的 TDA 损失引入了基于图块的机制，以及针对尺度和局部对比度的自适应调整策略。提出的 TDA 损失引导模型关注目标周围的局部区域，并特别关注具有更小尺度和更低局部对比度的目标。我们在三个 IRSTD 数据集上评估了所提出的方法。结果表明，提出的 TDA 损失在这些数据集上比现有损失实现了更好的检测性能。
引用
@article{arxiv.2506.01349,
title = {Target Driven Adaptive Loss For Infrared Small Target Detection},
author = {Yuho Shoji and Takahiro Toizumi and Atsushi Ito},
journal= {arXiv preprint arXiv:2506.01349},
year = {2025}
}