面向移动红外小目标检测的BP-FPN：仅看 Omni 渐变反向传播
计算机视觉与模式识别
2025-11-18 v1
摘要
移动红外小目标检测是红外探测跟踪系统的关键组成部分，但由于信噪比低、目标-背景失衡严重以及判别特征弱，仍然极具挑战性。现有的深度学习方法主要聚焦于时空特征聚合，但其收益有限，揭示了根本性瓶颈在于每帧特征表征的模糊，而非时空建模本身。鼓作于此，我们提出了BP-FPN，一种基于反向传播驱动的特征金字塔架构，从根本上重新思考小目标的特征学习。BP-FPN引入梯度隔离低层捷径 (Gradient-Isolated Low-Level Shortcut, GILS) 以高效地纳入细粒度目标细节，避免捷径学习；以及方向性梯度正则化 (Directional Gradient Regularization, DGR) 以在反向传播期间强制层次特征一致性。该设计在理论上有依据，引入的计算开销极小，可无缝集成到现有框架中。在多个公开数据集上的大量实验表明，BP-FPN consistently 建立了新的状态-of-the-art 性能。我们在本文中首次从反向传播的视角完全设计针对该任务的FPN。
引用
@article{arxiv.2511.13013,
title = {You Only Look Omni Gradient Backpropagation for Moving Infrared Small Target Detection},
author = {Guoyi Zhang and Guangsheng Xu and Siyang Chen and Han Wang and Xiaohu Zhang},
journal= {arXiv preprint arXiv:2511.13013},
year = {2025}
}