論文の概要: Gradient-Guided Learning Network for Infrared Small Target Detection

• arxiv url: http://arxiv.org/abs/2512.09497v1
• Date: Wed, 10 Dec 2025 10:21:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-11 15:14:53.479628
• Title: Gradient-Guided Learning Network for Infrared Small Target Detection
• Title（参考訳）: 赤外線小ターゲット検出のための勾配誘導学習ネットワーク
• Authors: Jinmiao Zhao, Chuang Yu, Zelin Shi, Yunpeng Liu, Yingdi Zhang,
• Abstract要約: 赤外線小ターゲット検出のための革新的な勾配誘導学習ネットワーク(GGL-Net)を提案する。 我々は、深層学習に基づく赤外小目標検出手法への勾配画像の導入を初めて検討する。 GGL-Netは、パブリックリアルNUAA-SIRSTデータセットとパブリックシンセサイティングNUDT-SIRSTデータセットの最先端結果を達成した。
• 参考スコア（独自算出の注目度）: 6.908039831914102
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, infrared small target detection has attracted extensive attention. However, due to the small size and the lack of intrinsic features of infrared small targets, the existing methods generally have the problem of inaccurate edge positioning and the target is easily submerged by the background. Therefore, we propose an innovative gradient-guided learning network (GGL-Net). Specifically, we are the first to explore the introduction of gradient magnitude images into the deep learning-based infrared small target detection method, which is conducive to emphasizing the edge details and alleviating the problem of inaccurate edge positioning of small targets. On this basis, we propose a novel dual-branch feature extraction network that utilizes the proposed gradient supplementary module (GSM) to encode raw gradient information into deeper network layers and embeds attention mechanisms reasonably to enhance feature extraction ability. In addition, we construct a two-way guidance fusion module (TGFM), which fully considers the characteristics of feature maps at different levels. It can facilitate the effective fusion of multi-scale feature maps and extract richer semantic information and detailed information through reasonable two-way guidance. Extensive experiments prove that GGL-Net has achieves state-of-the-art results on the public real NUAA-SIRST dataset and the public synthetic NUDT-SIRST dataset. Our code has been integrated into https://github.com/YuChuang1205/MSDA-Net
• Abstract（参考訳）: 近年,赤外線小目標検出が注目されている。 しかし、小型化と赤外線小ターゲットの固有の特徴の欠如により、既存の手法は一般に不正確なエッジ位置決めの問題があり、背景によって容易に標的が沈み込む。 そこで我々は,革新的な勾配誘導学習ネットワーク(GGL-Net)を提案する。 具体的には、我々は、エッジの詳細を強調し、小さなターゲットの不正確なエッジ位置決めの問題を緩和する深層学習に基づく赤外線小ターゲット検出法への勾配画像の導入について、初めて検討する。 そこで本研究では,提案する勾配補足モジュール(GSM)を用いて,生勾配情報をより深いネットワーク層にエンコードし,特徴抽出能力を高めるために注意機構を合理的に組み込む,新しいデュアルブランチ特徴抽出ネットワークを提案する。 さらに,異なるレベルの特徴マップの特徴を十分に考慮した双方向誘導融合モジュール(TGFM)を構築した。 マルチスケールの特徴マップの効果的な融合を容易にし、合理的な双方向ガイダンスを通じてよりリッチな意味情報と詳細な情報を抽出することができる。 大規模な実験により、GGL-Netは、パブリックリアルNUAA-SIRSTデータセットとパブリックシンセサイティングNUDT-SIRSTデータセットで最先端の結果を得たことが証明された。 私たちのコードはhttps://github.com/YuChuang1205/MSDA-Netに統合されました。

関連論文リスト

• DISTA-Net: Dynamic Closely-Spaced Infrared Small Target Unmixing [55.366556355538954]
  本稿では,動的フレームワーク内で従来のスパース再構築を再現する動的反復収縮閾値ネットワーク(DISTA-Net)を提案する。 DISTA-Netは、密接な空間を持つ赤外線小ターゲットのアンミックスのために特別に設計された最初のディープラーニングモデルである。 私たちはこの分野におけるさらなる研究を促進するために、最初のオープンソースエコシステムを確立しました。
  論文  参考訳（メタデータ） (2025-05-25T13:52:00Z)
• 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)
• 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)
• Multi-Scale Direction-Aware Network for Infrared Small Target Detection [2.661766509317245]
  赤外小目標検出は、背景とターゲットを効果的に分離することが難しい問題に直面している。 我々は、赤外線小ターゲットの高周波方向特徴を統合するためのマルチスケール方向対応ネットワーク(MSDA-Net)を提案する。 MSDA-Netは、パブリックNUDT-SIRST、SIRST、IRSTD-1kデータセット上で、最先端(SOTA)結果を達成する。
  論文  参考訳（メタデータ） (2024-06-04T07:23:09Z)
• 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)
• ABC: Attention with Bilinear Correlation for Infrared Small Target Detection [4.7379300868029395]
  CNNに基づく深層学習法は、赤外線小ターゲット(IRST)のセグメンテーションに有効ではない バイリニア相関(ABC)を用いた注目モデルを提案する。 ABCはトランスアーキテクチャに基づいており、特徴抽出と融合のための新しいアテンション機構を備えた畳み込み線形核融合トランス (CLFT) モジュールを含んでいる。
  論文  参考訳（メタデータ） (2023-03-18T03:47:06Z)
• iSmallNet: Densely Nested Network with Label Decoupling for Infrared Small Target Detection [35.4167548966077]
  iSmallNetは高密度にネストされたネットワークで、赤外小物体検出のためにラベルをデカップリングする。 全体的なパフォーマンスを高めるために、2つの重要なモジュールを開発しました。 NUAA-SIRSTとNUDT-SIRSTの実験は、iSmallNetが11の最先端検出器よりも優れていることを明らかに示している。
  論文  参考訳（メタデータ） (2022-10-29T10:27:54Z)
• 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)

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。