論文の概要: Towards Robust Infrared Small Target Detection: A Feature-Enhanced and Sensitivity-Tunable Framework

• arxiv url: http://arxiv.org/abs/2407.20090v2
• Date: Tue, 22 Apr 2025 13:28:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-01 02:57:50.466073
• Title: Towards Robust Infrared Small Target Detection: A Feature-Enhanced and Sensitivity-Tunable Framework
• Title（参考訳）: ロバスト赤外小ターゲット検出に向けて:特徴強化・感度調整可能なフレームワーク
• Authors: Jinmiao Zhao, Zelin Shi, Chuang Yu, Yunpeng Liu, Yimian Dai,
• Abstract要約: 本稿では,既存のSIRST検出ネットワークと互換性のあるFEST(Feature Enhanced and sensitivity-tunable)フレームワークを提案する。 我々のFESTフレームワークは既存のSIRST検出ネットワークの性能を大幅に向上させることができることを示す。 特に、FESTフレームワークを備えたマルチスケール方向認識ネットワーク(MSDA-Net)は、PRCV 2024広帯域赤外線小目標検出コンテストで優勝した。
• 参考スコア（独自算出の注目度）: 2.4810332733338623
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, single-frame infrared small target (SIRST) detection technology has attracted wide-spread attention. However, due to the intrinsic feature scarcity in infrared small targets, precise segmentation of small targets from complex backgrounds remains a significant challenge. Different from most existing deep learning-based methods that focus on improving network architectures, we propose a feature-enhanced and sensitivity-tunable (FEST) framework, which is compatible with existing SIRST detection networks and further enhances their detection performance. The FEST framework improves the model's robustness from two aspects: feature enhancement and target confidence regulation. For feature enhancement, on the one hand, we adopt a multi-scale fusion strategy, which can effectively improve the model's perception and adaptability to multi-scale features of multi-size targets. On the other hand, we construct an edge enhancement difficulty mining (EEDM) loss based on the analysis of the task characteristics, which helps guide the network to continuously focus on challenging target regions and edge features during training. For target confidence regulation, we design an adjustable sensitivity (AS) strategy for network post-processing. This strategy not only enhances the adaptability of the network in complex scenarios, but also significantly improves the detection rate of infrared small targets while maintaining segmentation accuracy. Extensive experimental results show that our FEST framework can significantly enhance the performance of existing SIRST detection networks. Notably, the multi-scale direction-aware network (MSDA-Net) equipped with the FEST framework won the first prize in the PRCV 2024 wide-area infrared small target detection competition.
• Abstract（参考訳）: 近年,SIRST(Single-frame infrared small target)検出技術が注目されている。 しかし、赤外線小ターゲットの固有の特徴が不足しているため、複雑な背景から小さなターゲットの正確なセグメンテーションは依然として重要な課題である。 ネットワークアーキテクチャの改善に重点を置いている既存のディープラーニング手法とは異なり,既存のSIRST検出ネットワークと互換性があり,その検出性能をさらに向上する機能強化・感度調整(FEST)フレームワークを提案する。 FESTフレームワークは、2つの側面からモデルの堅牢性を改善する。 機能強化には,マルチサイズターゲットのマルチスケール特徴に対するモデルの認識と適応性を効果的に向上する,マルチスケール融合戦略を採用する。 一方,課題特性の分析に基づいて,エッジ強化困難マイニング(EEDM)の損失を発生させるとともに,トレーニング中の課題領域やエッジ特徴に継続的に注目するようネットワークに誘導する。 目標信頼度制御のために、ネットワーク後処理のための調整可能な感度(AS)戦略を設計する。 この戦略は複雑なシナリオにおけるネットワークの適応性を向上するだけでなく、セグメンテーション精度を維持しつつ、赤外線小ターゲットの検出率を大幅に向上させる。 我々のFESTフレームワークは既存のSIRST検出ネットワークの性能を大幅に向上させることができる。 特に、FESTフレームワークを備えたマルチスケール方向認識ネットワーク(MSDA-Net)は、PRCV 2024広帯域赤外線小目標検出コンテストで優勝した。

関連論文リスト

• 10K is Enough: An Ultra-Lightweight Binarized Network for Infrared Small-Target Detection [48.074211420276605]
  バイナリ化されたニューラルネットワーク(BNN)は、モデル圧縮における例外的な効率によって区別される。 両立赤外小ターゲット検出ネットワーク(BiisNet)を提案する。 BiisNetは二項化畳み込みのコア操作を保存し、完全精度の機能をネットワークの情報フローに統合する。
  論文  参考訳（メタデータ） (2025-03-04T14:25:51Z)
• Auto-RT: Automatic Jailbreak Strategy Exploration for Red-Teaming Large Language Models [62.12822290276912]
  Auto-RTは、複雑な攻撃戦略を探索し最適化する強化学習フレームワークである。 探索効率を大幅に改善し、攻撃戦略を自動的に最適化することにより、Auto-RTはボーダの脆弱性範囲を検出し、検出速度が速く、既存の方法と比較して16.63%高い成功率を達成する。
  論文  参考訳（メタデータ） (2025-01-03T14:30:14Z)
• YOLO-MST: Multiscale deep learning method for infrared small target detection based on super-resolution and YOLO [0.18641315013048293]
  本稿では,画像超解像技術とマルチスケール観測を組み合わせた深層学習赤外線小目標検出手法を提案する。 この手法の2つの公開データセットであるSIRSTとIRISでのmAP@0.5検出率は、それぞれ96.4%と99.5%に達した。
  論文  参考訳（メタデータ） (2024-12-27T18:43:56Z)
• From Easy to Hard: Progressive Active Learning Framework for Infrared Small Target Detection with Single Point Supervision [18.555485444818835]
  単一点監視のための革新的プログレッシブアクティブラーニング(PAL)フレームワークを構築した。 簡単なサンプルを自動選択することに焦点を当てたモデル事前開始概念を提案する。 PALフレームワークを搭載した既存のSIRST検出ネットワークは、複数の公開データセットに対して、最先端(SOTA)の結果を得たことを示す。
  論文  参考訳（メタデータ） (2024-12-15T11:08:49Z)
• LR-Net: A Lightweight and Robust Network for Infrared Small Target Detection [2.6617665093172445]
  我々は、革新的な軽量で堅牢なネットワーク(LR-Net)を提案する。 LR-Netは複雑な構造を放棄し、検出精度と資源消費のバランスをとる。 第3位は「ICPR 2024リソース制限赤外小ターゲット検出チャレンジトラック2:軽量赤外小ターゲット検出」である。
  論文  参考訳（メタデータ） (2024-08-05T18:57:33Z)
• Refined Infrared Small Target Detection Scheme with Single-Point Supervision [2.661766509317245]
  単一点監視を用いた革新的赤外線小目標検出手法を提案する。 提案手法は最先端(SOTA)性能を実現する。 特に、提案手法は「ICPR 2024 Resource-Limited Infrared Small Target Detection Challenge Track 1: Weakly Supervised Infrared Small Target Detection」で3位を獲得した。
  論文  参考訳（メタデータ） (2024-08-05T18:49:58Z)
• Single-Point Supervised High-Resolution Dynamic Network for Infrared Small Target Detection [7.0456782736205685]
  単一点教師付き高分解能ダイナミックネットワーク(SSHD-Net)を提案する。 単一点監視のみを用いて、最先端(SOTA)検出性能を実現する。 公開データセット NUDT-SIRST と IRSTD-1k の実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-08-04T09:44:47Z)
• SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised Learning for Robust Infrared Small Target Detection [53.19618419772467]
  単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。 Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。 赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
  論文  参考訳（メタデータ） (2024-03-08T16:14:54Z)
• SpirDet: Towards Efficient, Accurate and Lightweight Infrared Small Target Detector [60.42293239557962]
  我々は、赤外線小ターゲットの効率的な検出のための新しいアプローチであるSpirDetを提案する。 新しいデュアルブランチスパースデコーダを用いて特徴写像を復元する。 大規模な実験により、提案されたSpirDetは最先端モデルよりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2024-02-08T05:06:14Z)
• Enhancing Infrared Small Target Detection Robustness with Bi-Level Adversarial Framework [61.34862133870934]
  本稿では,異なる汚職の存在下での検出の堅牢性を促進するために,二段階の対向的枠組みを提案する。 我々の手法は広範囲の汚職で21.96%のIOUを著しく改善し、特に一般ベンチマークで4.97%のIOUを推進している。
  論文  参考訳（メタデータ） (2023-09-03T06:35:07Z)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• EFLNet: Enhancing Feature Learning for Infrared Small Target Detection [20.546186772828555]
  単一フレームの赤外線小目標検出は難しい課題であると考えられている。 ターゲットと背景の極端に不均衡のため、境界ボックスの回帰は赤外線小ターゲットに対して非常に敏感である。 本稿では,これらの問題に対処する機能学習ネットワーク(EFLNet)を提案する。
  論文  参考訳（メタデータ） (2023-07-27T09:23:22Z)
• A Multi-task Framework for Infrared Small Target Detection and Segmentation [9.033048310220346]
  赤外線小ターゲット検出とセグメンテーションのための新しいエンドツーエンドフレームワークを提案する。 UNetをバックボーンとして、解像度とセマンティック情報を維持するために使用しています。 我々は、赤外線小ターゲット検出とセグメンテーションのためのマルチタスクフレームワークを開発した。
  論文  参考訳（メタデータ） (2022-06-14T15:43:34Z)
• Target-aware Dual Adversarial Learning and a Multi-scenario Multi-Modality Benchmark to Fuse Infrared and Visible for Object Detection [65.30079184700755]
  本研究は、物体検出のために異なるように見える赤外線と可視画像の融合の問題に対処する。 従来のアプローチでは、2つのモダリティの根底にある共通点を発見し、反復最適化またはディープネットワークによって共通空間に融合する。 本稿では、融合と検出の連立問題に対する二段階最適化の定式化を提案し、その後、核融合と一般的に使用される検出ネットワークのためのターゲット認識デュアル逆学習(TarDAL)ネットワークに展開する。
  論文  参考訳（メタデータ） (2022-03-30T11:44:56Z)
• Infrared Small-Dim Target Detection with Transformer under Complex Backgrounds [155.388487263872]
  変換器を用いた赤外線小径目標検出手法を提案する。 画像特徴の相互作用情報をより広い範囲で学習するために,変換器の自己認識機構を採用する。 最小限のターゲットの機能を学習するための機能拡張モジュールも設計しています。
  論文  参考訳（メタデータ） (2021-09-29T12:23:41Z)
• Uncertainty-Aware Deep Calibrated Salient Object Detection [74.58153220370527]
  既存のディープニューラルネットワークに基づくサルエントオブジェクト検出(SOD)手法は主に高いネットワーク精度の追求に重点を置いている。 これらの手法は、信頼不均衡問題として知られるネットワーク精度と予測信頼の間のギャップを見落としている。 我々は,不確実性を考慮した深部SODネットワークを導入し,深部SODネットワークの過信を防止するための2つの戦略を提案する。
  論文  参考訳（メタデータ） (2020-12-10T23:28:36Z)
• Multiple Infrared Small Targets Detection based on Hierarchical Maximal Entropy Random Walk [12.10092482860325]
  我々は,最大エントロピーランダムウォーク(MERW)から導かれる検出方法を確立し,複数の小目標を頑健に検出する。 提案手法は, 目標強調, 背景抑圧, 複数小目標検出の観点から, 最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2020-10-02T11:11:34Z)
• Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
  適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。 我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。 その結果,小型歩行者の検出における本手法の有効性が示唆された。
  論文  参考訳（メタデータ） (2020-08-19T13:13:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。