論文の概要: LR-Net: A Lightweight and Robust Network for Infrared Small Target Detection
- arxiv url: http://arxiv.org/abs/2408.02780v1
- Date: Mon, 5 Aug 2024 18:57:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-07 15:48:37.005672
- Title: LR-Net: A Lightweight and Robust Network for Infrared Small Target Detection
- Title（参考訳）: LR-Net:赤外線小ターゲット検出のための軽量ロバストネットワーク
- Authors: Chuang Yu, Yunpeng Liu, Jinmiao Zhao, Zelin Shi,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 2.6617665093172445
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Limited by equipment limitations and the lack of target intrinsic features, existing infrared small target detection methods have difficulty meeting actual comprehensive performance requirements. Therefore, we propose an innovative lightweight and robust network (LR-Net), which abandons the complex structure and achieves an effective balance between detection accuracy and resource consumption. Specifically, to ensure the lightweight and robustness, on the one hand, we construct a lightweight feature extraction attention (LFEA) module, which can fully extract target features and strengthen information interaction across channels. On the other hand, we construct a simple refined feature transfer (RFT) module. Compared with direct cross-layer connections, the RFT module can improve the network's feature refinement extraction capability with little resource consumption. Meanwhile, to solve the problem of small target loss in high-level feature maps, on the one hand, we propose a low-level feature distribution (LFD) strategy to use low-level features to supplement the information of high-level features. On the other hand, we introduce an efficient simplified bilinear interpolation attention module (SBAM) to promote the guidance constraints of low-level features on high-level features and the fusion of the two. In addition, We abandon the traditional resizing method and adopt a new training and inference cropping strategy, which is more robust to datasets with multi-scale samples. Extensive experimental results show that our LR-Net achieves state-of-the-art (SOTA) performance. Notably, on the basis of the proposed LR-Net, we achieve 3rd place in the "ICPR 2024 Resource-Limited Infrared Small Target Detection Challenge Track 2: Lightweight Infrared Small Target Detection".
- Abstract（参考訳）: 装置の制限と目標固有の特徴の欠如により、既存の赤外線小目標検出法は、実際の総合的な性能要件を満たすのが困難である。
そこで本稿では,複雑な構造を放棄し,検出精度と資源消費の効果的なバランスをとる,革新的な軽量で堅牢なネットワーク(LR-Net)を提案する。
具体的には,軽量かつロバスト性を確保するために,通信路間の情報相互作用を十分に引き出す軽量特徴抽出アテンション(LFEA)モジュールを構築した。
一方,我々は簡易改良機能転送(RFT)モジュールを構築した。
直接クロス層接続と比較すると、RTTモジュールはリソース消費の少ないネットワークの機能改善能力を向上させることができる。
一方,低レベル特徴分布(LFD)戦略では,高レベル特徴の情報を補うために,低レベル特徴分布(LFD)戦略を提案する。
一方,高次特徴に対する低次特徴のガイダンス制約と2つの融合を促進するために,効率的な単純化された双線形補間アテンションモジュール(SBAM)を導入する。
さらに、従来のリサイズ手法を廃止し、マルチスケールサンプルを用いたデータセットに対してより堅牢な、新しいトレーニングと推論のトリミング戦略を採用する。
その結果,我々のLR-NetはSOTA(State-of-the-art)の性能を達成できた。
特に、提案したLR-Netに基づいて、「ICPR 2024 Resource-Limited Infrared Small Target Detection Challenge Track 2: Lightweight Infrared Small Target Detection」で3位を獲得した。
関連論文リスト
- Paying more attention to local contrast: improving infrared small target detection performance via prior knowledge [11.865797842063884]
本稿では,局所コントラスト注意向上型赤外小型目標検出ネットワーク(LCAE-Net)を提案する。
パラメータカウントと浮動小数点演算(FLOP)はそれぞれ1.945Mと4.862Gであり、エッジデバイスへの展開に適している。
論文 参考訳（メタデータ） (2024-11-20T12:21:30Z) - Renormalized Connection for Scale-preferred Object Detection in Satellite Imagery [51.83786195178233]
我々は、効率的な特徴抽出の観点から再正規化群理論を実装するために、知識発見ネットワーク(KDN)を設計する。
KDN上の再正規化接続(RC)は、マルチスケール特徴の「相乗的焦点」を可能にする。
RCはFPNベースの検出器のマルチレベル特徴の分割・対数機構を幅広いスケールで予測されたタスクに拡張する。
論文 参考訳（メタデータ） (2024-09-09T13:56:22Z) - PVAFN: Point-Voxel Attention Fusion Network with Multi-Pooling Enhancing for 3D Object Detection [59.355022416218624]
点とボクセルの表現の統合は、LiDARベースの3Dオブジェクト検出においてより一般的になりつつある。
PVAFN(Point-Voxel Attention Fusion Network)と呼ばれる新しい2段3次元物体検出器を提案する。
PVAFNはマルチプール戦略を使用して、マルチスケールとリージョン固有の情報を効果的に統合する。
論文 参考訳（メタデータ） (2024-08-26T19:43:01Z) - 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) - Infrared Small Target Detection based on Adjustable Sensitivity Strategy and Multi-Scale Fusion [2.661766509317245]
調整可能な感度(AS)戦略とマルチスケール融合に基づく改良された赤外線小ターゲット検出手法を提案する。
具体的には、マルチスケール方向対応ネットワーク(MSDA-Net)に基づくマルチスケールモデル融合フレームワークを構築する。
このスキームは、PRCV 2024ワイドエリア赤外線小目標検出競技で優勝した。
論文 参考訳（メタデータ） (2024-07-29T15:22:02Z) - 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) - RRNet: Relational Reasoning Network with Parallel Multi-scale Attention
for Salient Object Detection in Optical Remote Sensing Images [82.1679766706423]
光リモートセンシング画像(RSI)のためのSODは、光学RSIから視覚的に特徴的な物体や領域を探索・抽出することを目的としている。
光学RSIにおけるSODに並列なマルチスケールアテンションを持つリレーショナル推論ネットワークを提案する。
提案するRRNetは,既存の最先端SODコンペティタよりも質的,定量的に優れている。
論文 参考訳（メタデータ） (2021-10-27T07:18:32Z) - 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) - Attentional Local Contrast Networks for Infrared Small Target Detection [15.882749652217653]
赤外線小目標検出のための新しいモデル駆動深層ネットワークを提案する。
従来の局所コントラスト測定法を、エンドツーエンドネットワークにおける深さ自在なパラメータレス非線形特徴精製層としてモジュール化します。
ネットワークアーキテクチャの各コンポーネントの有効性と効率を実証的に検証するために,ネットワーク奥行きの異なる詳細なアブレーション研究を行う。
論文 参考訳（メタデータ） (2020-12-15T19:33:09Z) - Resolution Adaptive Networks for Efficient Inference [53.04907454606711]
本稿では,低分解能表現が「容易」な入力を分類するのに十分である,という直感に触発された新しいレゾリューション適応ネットワーク(RANet)を提案する。
RANetでは、入力画像はまず、低解像度表現を効率的に抽出する軽量サブネットワークにルーティングされる。
ネットワーク内の高解像度パスは、"ハード"サンプルを認識する能力を維持している。
論文 参考訳（メタデータ） (2020-03-16T16:54:36Z)
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。