基于 YOLO 的红外小目标检测的 $\textit{A Contrario}$ 范式
计算机视觉与模式识别
2024-02-06 v1
摘要
在红外图像中检测微小目标是计算机视觉中的一项具有挑战性的任务，尤其是在将这些目标与噪声或纹理背景区分开来时。与分割神经网络相比，YOLO 等传统目标检测方法难以检测微小物体，导致在小目标检测时性能较弱。为了在保持高检测率的同时减少误报数量，我们在 YOLO 检测器的训练中引入了 决策准则。后者利用小目标的 将其与复杂背景区分开来。将此统计准则添加到 YOLOv7-tiny 中，弥合了用于红外小目标检测的最先进分割方法与目标检测网络之间的性能差距。它还显著提高了 YOLO 在少样本设置下的鲁棒性。
引用
@article{arxiv.2402.02288,
title = {$\textit{A Contrario}$ Paradigm for YOLO-based Infrared Small Target Detection},
author = {Alina Ciocarlan and Sylvie Le Hégarat-Mascle and Sidonie Lefebvre and Arnaud Woiselle and Clara Barbanson},
journal= {arXiv preprint arXiv:2402.02288},
year = {2024}
}
备注
Accepted to ICASSP 2024