TBC-Net：一种利用语义约束的红外小目标实时检测器
计算机视觉与模式识别
2020-01-17 v1 机器学习
图像与视频处理
摘要
红外小目标检测是红外搜索与跟踪（IRST）系统中的关键技术。尽管深度学习近年来已广泛应用于可见光图像的视觉任务，但由于难以学习小目标特征，其很少用于红外小目标检测。本文中，我们提出了一种用于红外小目标检测的轻量型卷积神经网络 TBC-Net。TBC-Net 由目标提取模块（TEM）和语义约束模块（SCM）组成，分别用于从红外图像中提取小目标以及在训练期间对提取的目标图像进行分类。同时，我们提出了一种联合损失函数与训练方法。SCM 通过结合高层分类任务对 TEM 施加语义约束，并解决由类不平衡问题导致的特征学习困难问题。在训练期间，目标从输入图像中被提取，然后由 SCM 分类。在推理期间，仅使用 TEM 检测小目标。我们还提出了一种数据合成方法以生成训练数据。实验结果表明，与传统方法相比，TBC-Net 能更好地降低由复杂背景引起的误报，所提出的网络结构与联合损失对小目标特征学习有显著改进。此外，TBC-Net 可在 NVIDIA Jetson AGX Xavier 开发板上实现实时检测，适用于配备红外传感器的无人机野外考察等应用。
引用
@article{arxiv.2001.05852,
title = {TBC-Net: A real-time detector for infrared small target detection using semantic constraint},
author = {Mingxin Zhao and Li Cheng and Xu Yang and Peng Feng and Liyuan Liu and Nanjian Wu},
journal= {arXiv preprint arXiv:2001.05852},
year = {2020}
}