UIU-Net：用于红外小目标检测的U-Net嵌套U-Net
计算机视觉与模式识别
2023-01-04 v1
摘要
基于学习的红外小目标检测方法目前严重依赖分类骨干网络，这往往导致随着网络深度增加而出现微小目标丢失与特征可区分性受限。此外，红外图像中的小目标常呈现亮暗交替出现，对获取精确目标对比信息提出严苛要求。为此，本文提出一种简单而有效的“U-Net嵌套U-Net”框架，简称UIU-Net，用于检测红外图像中的小目标。顾名思义，UIU-Net将一个微型U-Net嵌入更大的U-Net骨干中，实现目标的多层次与多尺度表征学习。此外，UIU-Net可从零开始训练，所学特征能有效增强全局与局部对比信息。更具体地，UIU-Net模型分为两个模块：分辨率保持深度监督（RM-DS）模块与交互交叉注意力（IC-A）模块。RM-DS将残差U块集成至深度监督网络，以生成深度多尺度分辨率保持特征并学习全局上下文信息；进而，IC-A编码低级细节与高级语义特征之间的局部上下文信息。在两个红外单帧图像数据集（即SIRST与Synthetic数据集）上的大量实验表明，与多种最先进的红外小目标检测方法相比，所提UIU-Net具有有效性与优越性。该UIU-Net对视频序列红外小目标数据集（如ATR地面/空中视频序列数据集）亦展现出强大的泛化性能。本工作的代码已开源：\url{https://github.com/danfenghong/IEEE_TIP_UIU-Net}。
引用
@article{arxiv.2212.00968,
title = {UIU-Net: U-Net in U-Net for Infrared Small Object Detection},
author = {Xin Wu and Danfeng Hong and Jocelyn Chanussot},
journal= {arXiv preprint arXiv:2212.00968},
year = {2023}
}