論文の概要: NS-FPN: Improving Infrared Small Target Detection and Segmentation from Noise Suppression Perspective

• arxiv url: http://arxiv.org/abs/2508.06878v1
• Date: Sat, 09 Aug 2025 08:17:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:28.593075
• Title: NS-FPN: Improving Infrared Small Target Detection and Segmentation from Noise Suppression Perspective
• Title（参考訳）: NS-FPN:騒音抑制の観点からの赤外小ターゲット検出とセグメンテーションの改善
• Authors: Maoxun Yuan, Duanni Meng, Ziteng Xi, Tianyi Zhao, Shiji Zhao, Yimian Dai, Xingxing Wei,
• Abstract要約: 赤外線小目標検出・セグメンテーション(IRS TDS)は、防衛および民間用途において重要な課題である。 近年のCNNに基づく手法は,ノイズの影響を相殺するための特徴表現の強化にのみ焦点をあてている。 本稿では,低周波誘導機能浄化 (LFP) モジュールとスパイラル認識機能サンプリング (SFS) モジュールを統合した新しいノイズ抑圧機能ピラミッドネットワーク (NS-FPN) を提案する。
• 参考スコア（独自算出の注目度）: 12.765772056631198
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Infrared small target detection and segmentation (IRSTDS) is a critical yet challenging task in defense and civilian applications, owing to the dim, shapeless appearance of targets and severe background clutter. Recent CNN-based methods have achieved promising target perception results, but they only focus on enhancing feature representation to offset the impact of noise, which results in the increased false alarms problem. In this paper, through analyzing the problem from the frequency domain, we pioneer in improving performance from noise suppression perspective and propose a novel noise-suppression feature pyramid network (NS-FPN), which integrates a low-frequency guided feature purification (LFP) module and a spiral-aware feature sampling (SFS) module into the original FPN structure. The LFP module suppresses the noise features by purifying high-frequency components to achieve feature enhancement devoid of noise interference, while the SFS module further adopts spiral sampling to fuse target-relevant features in feature fusion process. Our NS-FPN is designed to be lightweight yet effective and can be easily plugged into existing IRSTDS frameworks. Extensive experiments on the public IRSTDS datasets demonstrate that our method significantly reduces false alarms and achieves superior performance on IRSTDS tasks.
• Abstract（参考訳）: 赤外線小目標検出・セグメンテーション(IRSTDS)は、標的の薄暗く、形のない外観と厳しい背景の乱れにより、防衛や民間の用途において重要な課題である。 近年のCNNに基づく手法は,目標認識を期待できる結果を得たが,ノイズの影響を相殺するために特徴表現の強化にのみ焦点が当てられているため,誤報の増大が生じる。 本稿では、周波数領域からの問題を分析することにより、ノイズ抑圧の観点からの性能向上を図り、低周波誘導機能浄化(LFP)モジュールとスパイラル認識機能サンプリング(SFS)モジュールを元のFPN構造に統合した新しいノイズ抑圧機能ピラミッドネットワーク(NS-FPN)を提案する。 LFPモジュールは、高周波成分を浄化してノイズ干渉のない特徴増強を実現することでノイズ特性を抑制する一方、SFSモジュールは、さらにスパイラルサンプリングを採用して、特徴融合プロセスにおけるターゲット関連特徴を融合させる。 NS-FPNは軽量で効率的で、既存のIRSTDSフレームワークに簡単にプラグインできるように設計されています。 公開IRSTDSデータセットに対する大規模な実験により,提案手法は誤報を著しく低減し,IRSTDSタスクにおいて優れた性能を発揮することが示された。

関連論文リスト

• SWAN: Synergistic Wavelet-Attention Network for Infrared Small Target Detection [8.098063209250684]
  赤外線小目標検出(IRSTD)は、民間および軍事用途において重要である。 近年の手法は局所的な空間パターンを主に捉えた従来の畳み込み処理に重点を置いている。 空間領域と周波数領域の両方からターゲットを知覚する新しいフレームワークであるSynergistic Wavelet-Attention Network (SWAN)を提案する。
  論文  参考訳（メタデータ） (2025-08-02T11:26:58Z)
• FADPNet: Frequency-Aware Dual-Path Network for Face Super-Resolution [70.61549422952193]
  計算コストの制限による顔超解像(FSR)は未解決の問題である。 既存のアプローチでは、全ての顔のピクセルを等しく扱い、計算資源を最適以下に割り当てる。 本稿では、低周波成分と高周波成分に顔の特徴を分解する周波数対応デュアルパスネットワークであるFADPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-17T02:33:42Z)
• 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)
• Towards Robust Few-shot Point Cloud Semantic Segmentation [57.075074484313]
  ショットポイントのクラウドセマンティックセグメンテーションは、少数のサポートセットのサンプルだけで、新しい見えないクラスに迅速に適応するようにモデルをトレーニングすることを目的としている。 本稿では,識別的特徴表現を学習するためのコンポーネントレベルクリーンノイズ分離(CCNS)表現学習を提案する。 また,MDNS(Multi-scale Degree-based Noise Suppression)方式を提案する。
  論文  参考訳（メタデータ） (2023-09-20T11:40:10Z)
• AMSP-UOD: When Vortex Convolution and Stochastic Perturbation Meet Underwater Object Detection [40.532331552038485]
  AMSP-UOD(Amplitude-Modulated Perturbation and Vortex Convolutional Network)を提案する。 AMSP-UODは複雑な水中環境における非理想的撮像因子が検出精度に与える影響に対処する。 提案手法は,既存の最先端手法よりも精度とノイズ免疫の点で優れる。
  論文  参考訳（メタデータ） (2023-08-23T05:03:45Z)
• Amplitude-Varying Perturbation for Balancing Privacy and Utility in Federated Learning [86.08285033925597]
  本稿では,フェデレート学習のプライバシを保護するため,時変雑音振幅を持つ新しいDP摂動機構を提案する。 我々は、FLの過度な摂動ノイズによる早期収束を防止するために、シリーズのオンラインリファインメントを導出した。 新しいDP機構のプライバシ保存FLの収束と精度への寄与は、持続的な雑音振幅を持つ最先端のガウスノイズ機構と比較して相関する。
  論文  参考訳（メタデータ） (2023-03-07T22:52:40Z)
• MPANet: Multi-Patch Attention For Infrared Small Target object Detection [11.437699171778544]
  赤外線小目標検出(ISTD)が注目され,様々な分野に応用されている。 赤外線ターゲットの小型化と複雑な背景からのノイズ干渉のため、畳み込みニューラルネットワーク(CNN)を用いたISTDの性能は制限されている。 軸アテンションエンコーダとマルチスケールパッチブランチ(MSPB)構造に基づくマルチパッチアテンションネットワーク(MPANet)を提案する。
  論文  参考訳（メタデータ） (2022-06-05T08:01:38Z)
• iffDetector: Inference-aware Feature Filtering for Object Detection [70.8678270164057]
  Inference-aware Feature Filtering (IFF)モジュールを導入し、現代の検出器と簡単に組み合わせることができる。 IFFは、畳み込み機能を強化するためにハイレベルなセマンティクスを活用することでクローズドループ最適化を行う。 IFFはCNNベースの物体検出器とプラグアンドプレイ方式で融合でき、計算コストのオーバーヘッドは無視できる。
  論文  参考訳（メタデータ） (2020-06-23T02:57:29Z)
• ADRN: Attention-based Deep Residual Network for Hyperspectral Image Denoising [52.01041506447195]
  ノイズの多いHSIからクリーンなHSIへのマッピングを学習するために,注目に基づくディープ残差ネットワークを提案する。 実験の結果,提案手法は定量的および視覚的評価において最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-03-04T08:36:27Z)

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。