論文の概要: RRCANet: Recurrent Reusable-Convolution Attention Network for Infrared Small Target Detection

• arxiv url: http://arxiv.org/abs/2506.02393v1
• Date: Tue, 03 Jun 2025 03:18:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:35.209509
• Title: RRCANet: Recurrent Reusable-Convolution Attention Network for Infrared Small Target Detection
• Title（参考訳）: RRCANet:赤外小ターゲット検出のための再利用可能な再畳み込みアテンションネットワーク
• Authors: Yongxian Liu, Boyang Li, Ting Liu, Zaiping Lin, Wei An,
• Abstract要約: 赤外線小目標検出は、その特徴のために難しい課題である。 最近のCNNベースの手法は、重い特徴抽出と融合モジュールで有望な性能を実現している。 赤外線小ターゲット検出のための再帰的再帰的再畳み込みアテンションネットワーク(RRCA-Net)を提案する。
• 参考スコア（独自算出の注目度）: 23.54800619558163
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Infrared small target detection is a challenging task due to its unique characteristics (e.g., small, dim, shapeless and changeable). Recently published CNN-based methods have achieved promising performance with heavy feature extraction and fusion modules. To achieve efficient and effective detection, we propose a recurrent reusable-convolution attention network (RRCA-Net) for infrared small target detection. Specifically, RRCA-Net incorporates reusable-convolution block (RuCB) in a recurrent manner without introducing extra parameters. With the help of the repetitive iteration in RuCB, the high-level information of small targets in the deep layers can be well maintained and further refined. Then, a dual interactive attention aggregation module (DIAAM) is proposed to promote the mutual enhancement and fusion of refined information. In this way, RRCA-Net can both achieve high-level feature refinement and enhance the correlation of contextual information between adjacent layers. Moreover, to achieve steady convergence, we design a target characteristic inspired loss function (DpT-k loss) by integrating physical and mathematical constraints. Experimental results on three benchmark datasets (e.g. NUAA-SIRST, IRSTD-1k, DenseSIRST) demonstrate that our RRCA-Net can achieve comparable performance to the state-of-the-art methods while maintaining a small number of parameters, and act as a plug and play module to introduce consistent performance improvement for several popular IRSTD methods. Our code will be available at https://github.com/yongxianLiu/ soon.
• Abstract（参考訳）: 赤外線小目標検出は、その特徴(例えば、小型、薄型、無形、可変形)のために難しい課題である。 最近発表されたCNNベースの手法は、重い特徴抽出と融合モジュールで有望な性能を達成した。 有効かつ効率的な検出を実現するために,赤外小ターゲット検出のための再帰的再帰型コンボリューションアテンションネットワーク(RRCA-Net)を提案する。 具体的には、RRCA-Netは再利用可能な畳み込みブロック(RuCB)を余分なパラメータを導入することなく反復的に組み込む。 RuCBにおける反復的反復の助けを借りて、深い層内の小さなターゲットの高レベル情報を十分に維持し、さらに洗練することができる。 そこで,2つの対話型アテンションアグリゲーションモジュール(DIAAM)を提案する。 このように、RRCA-Netは高レベルの特徴改善を実現し、隣接層間のコンテキスト情報の相関性を高めることができる。 さらに, 定常収束を実現するために, 物理的制約と数学的制約を統合することで, 目標特性インスパイアされた損失関数(DpT-k損失)を設計する。 3つのベンチマークデータセット(例えば NUAA-SIRST, IRSTD-1k, DenseSIRST)の実験結果から、RRCA-Net は、少数のパラメータを維持しながら最先端のメソッドに匹敵する性能を達成でき、また、いくつかのIRSTD メソッドに対して一貫したパフォーマンス改善を実現するために、プラグアンドプレイモジュールとして機能することを示した。 私たちのコードはhttps://github.com/yongxianLiu/で公開されます。

関連論文リスト

• MSCA-Net:Multi-Scale Context Aggregation Network for Infrared Small Target Detection [0.0]
  本稿では、3つのキーコンポーネントを統合したMSCA-Netという新しいネットワークアーキテクチャを提案する。 MSEDAは、異なるスケールにわたる情報を適応的に集約するために、マルチスケールのフュージョンアテンション機構を使用している。 PCBAMは相関行列に基づく戦略によりグローバル特徴と局所特徴の相関を捉える。
  論文  参考訳（メタデータ） (2025-03-21T14:42:31Z)
• 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)
• 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)
• 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)
• 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)
• Dense Nested Attention Network for Infrared Small Target Detection [36.654692765557726]
  単一フレーム赤外線小ターゲット(SIRST)検出は、小さなターゲットを乱雑な背景から分離することを目的としている。 既存のCNNベースのメソッドは、赤外線小ターゲットに対して直接適用することはできない。 本稿では,高密度ネステッドアテンションネットワーク(DNANet)を提案する。
  論文  参考訳（メタデータ） (2021-06-01T13:45:35Z)
• Learning Selective Mutual Attention and Contrast for RGB-D Saliency Detection [145.4919781325014]
  クロスモーダル情報を効果的に融合する方法は、RGB-Dの有能な物体検出の鍵となる問題である。 多くのモデルは特徴融合戦略を用いるが、低次点対点融合法によって制限されている。 本研究では,異なるモダリティから注目とコンテキストを融合させることにより,新たな相互注意モデルを提案する。
  論文  参考訳（メタデータ） (2020-10-12T08:50:10Z)
• 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。