論文の概要: Lightweight Deep Unfolding Networks with Enhanced Robustness for Infrared Small Target Detection
- arxiv url: http://arxiv.org/abs/2509.08205v1
- Date: Wed, 10 Sep 2025 00:23:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-11 15:16:52.278602
- Title: Lightweight Deep Unfolding Networks with Enhanced Robustness for Infrared Small Target Detection
- Title（参考訳）: 赤外線小ターゲット検出のためのロバスト性強化軽量深部展開ネットワーク
- Authors: Jingjing Liu, Yinchao Han, Xianchao Xiu, Jianhua Zhang, Wanquan Liu,
- Abstract要約: L-RPCANetと呼ばれる堅牢な主成分分析(RPCA)に基づく軽量なフレームワークを提案する。
単一チャネル入力赤外線画像におけるチャネル次元を減少・増大させる階層的ボトルネック構造を構築する。
複素雑音に対するロバスト性を高めるため、ノイズ低減モジュールが組み込まれている。
- 参考スコア（独自算出の注目度）: 18.422983137700392
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Infrared small target detection (ISTD) is one of the key techniques in image processing. Although deep unfolding networks (DUNs) have demonstrated promising performance in ISTD due to their model interpretability and data adaptability, existing methods still face significant challenges in parameter lightweightness and noise robustness. In this regard, we propose a highly lightweight framework based on robust principal component analysis (RPCA) called L-RPCANet. Technically, a hierarchical bottleneck structure is constructed to reduce and increase the channel dimension in the single-channel input infrared image to achieve channel-wise feature refinement, with bottleneck layers designed in each module to extract features. This reduces the number of channels in feature extraction and improves the lightweightness of network parameters. Furthermore, a noise reduction module is embedded to enhance the robustness against complex noise. In addition, squeeze-and-excitation networks (SENets) are leveraged as a channel attention mechanism to focus on the varying importance of different features across channels, thereby achieving excellent performance while maintaining both lightweightness and robustness. Extensive experiments on the ISTD datasets validate the superiority of our proposed method compared with state-of-the-art methods covering RPCANet, DRPCANet, and RPCANet++. The code will be available at https://github.com/xianchaoxiu/L-RPCANet.
- Abstract（参考訳）: 赤外線小ターゲット検出(ISTD)は画像処理において重要な技術の一つである。
ディープ・アンフォールディング・ネットワーク(DUN)はモデル解釈可能性とデータ適応性のためにISTDで有望な性能を示したが、既存の手法はパラメータの軽量性とノイズの堅牢性において大きな課題に直面している。
本稿では,L-RPCANetと呼ばれる堅牢な主成分分析(RPCA)に基づく,軽量なフレームワークを提案する。
技術的には、単一チャネル入力赤外線画像におけるチャネル次元の低減と増大を図るために階層的なボトルネック構造を構築し、各モジュールにボトルネック層を設計して特徴を抽出する。
これにより、特徴抽出におけるチャネルの数を減らすことができ、ネットワークパラメータの軽量化が向上する。
さらに、複素雑音に対するロバスト性を高めるため、ノイズ低減モジュールが組み込まれている。
さらに,SENetをチャネルアテンション機構として利用して,チャネル間の異なる特徴の異なる重要性に着目し,軽量性とロバスト性を両立させながら優れた性能を実現する。
ISTDデータセットの大規模な実験は、RPCANet、DRPCANet、RPCANet++をカバーする最先端の手法と比較して、提案手法の優位性を検証する。
コードはhttps://github.com/xianchaoxiu/L-RPCANetで入手できる。
関連論文リスト
- 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) - It's Not the Target, It's the Background: Rethinking Infrared Small Target Detection via Deep Patch-Free Low-Rank Representations [5.326302374594885]
本稿では、LRRNetと呼ばれる新しいエンドツーエンドIRSTDフレームワークを提案する。
乱れシーンの物理的圧縮性に着想を得て,本手法は圧縮・再構成・減算パラダイムを採用する。
複数の公開データセットの実験により、LRRNetは検出精度、堅牢性、計算効率の点で38の最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2025-06-12T07:24:45Z) - 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) - 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) - RPCANet: Deep Unfolding RPCA Based Infrared Small Target Detection [10.202639589226076]
この研究は、RPCANetと呼ばれる赤外線ディムターゲットを検出するための解釈可能なディープネットワークを提案する。
提案手法では, ISTDタスクをスパースターゲット抽出, 低ランク背景推定, 画像再構成として定式化する。
反復最適化の更新ステップをディープラーニングフレームワークに展開することにより、時間を要する複雑な行列計算を理論誘導ニューラルネットワークに置き換える。
論文 参考訳（メタデータ） (2023-11-02T01:21:12Z) - Global Context Aggregation Network for Lightweight Saliency Detection of
Surface Defects [70.48554424894728]
我々は,エンコーダ・デコーダ構造上の表面欠陥を簡易に検出するためのGCANet(Global Context Aggregation Network)を開発した。
まず、軽量バックボーンの上部層に新しいトランスフォーマーエンコーダを導入し、DSA(Depth-wise Self-Attention)モジュールを通じてグローバルなコンテキスト情報をキャプチャする。
3つの公開欠陥データセットの実験結果から,提案したネットワークは,他の17の最先端手法と比較して,精度と実行効率のトレードオフを良好に達成できることが示された。
論文 参考訳（メタデータ） (2023-09-22T06:19:11Z) - Joint Channel Estimation and Feedback with Masked Token Transformers in
Massive MIMO Systems [74.52117784544758]
本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。
エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。
提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
論文 参考訳（メタデータ） (2023-06-08T06:15:17Z) - 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) - Deep Denoising Neural Network Assisted Compressive Channel Estimation
for mmWave Intelligent Reflecting Surfaces [99.34306447202546]
本稿では,mmWave IRSシステムに対するディープデノイングニューラルネットワークを用いた圧縮チャネル推定法を提案する。
我々はまず、受信チェーンをほとんど使わず、アップリンクのユーザ-IRSチャネルを推定するハイブリッド・パッシブ/アクティブIRSアーキテクチャを導入する。
完全チャネル行列は、圧縮センシングに基づいて限られた測定値から再構成することができる。
論文 参考訳（メタデータ） (2020-06-03T12:18:57Z) - 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。