論文の概要: MDAFNet: Multiscale Differential Edge and Adaptive Frequency Guided Network for Infrared Small Target Detection
- arxiv url: http://arxiv.org/abs/2601.16434v1
- Date: Fri, 23 Jan 2026 04:16:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-26 14:27:27.535363
- Title: MDAFNet: Multiscale Differential Edge and Adaptive Frequency Guided Network for Infrared Small Target Detection
- Title（参考訳）: MDAFNet:赤外小ターゲット検出のためのマルチスケール差分エッジと適応周波数誘導ネットワーク
- Authors: Shuying Li, Qiang Ma, San Zhang, Wuwei Wang, Chuang Yang,
- Abstract要約: 赤外線小目標検出は、多くの軍事・民間用途において重要な役割を担っている。
既存の手法では、ネットワーク層の数が増えるにつれて、ターゲットのエッジピクセルが徐々に劣化していく。
本稿では,Multi-Scale Differential Edge(MSDE)モジュールとDual-Domain Adaptive Feature Enhancement(DAFE)モジュールを統合したMDAFNetを提案する。
- 参考スコア（独自算出の注目度）: 5.434562114399152
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Infrared small target detection (IRSTD) plays a crucial role in numerous military and civilian applications. However, existing methods often face the gradual degradation of target edge pixels as the number of network layers increases, and traditional convolution struggles to differentiate between frequency components during feature extraction, leading to low-frequency backgrounds interfering with high-frequency targets and high-frequency noise triggering false detections. To address these limitations, we propose MDAFNet (Multi-scale Differential Edge and Adaptive Frequency Guided Network for Infrared Small Target Detection), which integrates the Multi-Scale Differential Edge (MSDE) module and Dual-Domain Adaptive Feature Enhancement (DAFE) module. The MSDE module, through a multi-scale edge extraction and enhancement mechanism, effectively compensates for the cumulative loss of target edge information during downsampling. The DAFE module combines frequency domain processing mechanisms with simulated frequency decomposition and fusion mechanisms in the spatial domain to effectively improve the network's capability to adaptively enhance high-frequency targets and selectively suppress high-frequency noise. Experimental results on multiple datasets demonstrate the superior detection performance of MDAFNet.
- Abstract（参考訳）: 赤外線小目標検出(IRSTD)は多くの軍事・民間用途において重要な役割を担っている。
しかし,既存手法では,ネットワーク層数の増加に伴い,目標画素の漸進的な劣化に直面することが多く,従来の畳み込みは特徴抽出時に周波数成分の区別に苦慮し,高周波ターゲットと干渉する低周波背景と誤検出を引き起こす高周波ノイズに繋がる。
これらの制約に対処するため、MDAFNet(Multi-scale Differential Edge and Adaptive Frequency Guided Network for Infrared Small Target Detection)を提案し、Multi-scale Differential Edge (MSDE)モジュールとDual-Domain Adaptive Feature Enhancement (DAFE)モジュールを統合した。
MSDEモジュールは、マルチスケールエッジ抽出・拡張機構を通じて、ダウンサンプリング中のターゲットエッジ情報の累積損失を効果的に補償する。
DAFEモジュールは、周波数領域処理機構と、空間領域におけるシミュレートされた周波数分解と融合機構を組み合わせることで、高周波ターゲットを適応的に強化し、高周波ノイズを選択的に抑制するネットワークの能力を効果的に改善する。
複数のデータセットに対する実験結果はMDAFNetの優れた検出性能を示す。
関連論文リスト
- FreDFT: Frequency Domain Fusion Transformer for Visible-Infrared Object Detection [32.27664742588076]
可視赤外物体検出のための周波数領域融合変換器FreDFTを提案する。
提案手法は、変調と周波数フィードフォワード層の間の相補的な情報をマイニングするために、新しいマルチモーダル周波数アテンション(MFDA)を用いる。
提案するFreDFTは,他の最先端手法と比較して,複数の公開データセット上で優れた性能を発揮する。
論文 参考訳（メタデータ） (2025-11-13T07:46:18Z) - Wavelet-Guided Dual-Frequency Encoding for Remote Sensing Change Detection [67.84730634802204]
リモートセンシング画像の変化検出は,自然災害監視,都市拡張追跡,インフラ管理など,さまざまな工学的応用において重要な役割を担っている。
既存のほとんどの手法は空間領域モデリングに依存しており、特徴表現の限られた多様性は微妙な変化領域の検出を妨げる。
本研究では、特にウェーブレット領域における周波数領域の特徴モデリングが周波数成分の微細な違いを増幅し、空間領域において捉えにくいエッジ変化の知覚を高めることを観察する。
論文 参考訳（メタデータ） (2025-08-07T11:14:16Z) - ARFC-WAHNet: Adaptive Receptive Field Convolution and Wavelet-Attentive Hierarchical Network for Infrared Small Target Detection [2.643590634429843]
ARFC-WAHNetは、赤外線小ターゲット検出のための適応型受容野畳み込みおよびウェーブレット減衰階層ネットワークである。
ARFC-WAHNetは、検出精度とロバスト性の両方において、最近の最先端手法よりも優れている。
論文 参考訳（メタデータ） (2025-05-15T09:44:23Z) - Frequency Domain Nuances Mining for Visible-Infrared Person
Re-identification [75.87443138635432]
既存の手法は主に、識別周波数情報を無視しながら空間情報を利用する。
本稿では,周波数領域情報を対象とした周波数領域Nuances Mining(FDNM)手法を提案する。
本手法は,SYSU-MM01データセットにおいて,Ran-1精度が5.2%,mAPが5.8%向上する。
論文 参考訳（メタデータ） (2024-01-04T09:19:54Z) - Frequency Perception Network for Camouflaged Object Detection [51.26386921922031]
周波数領域のセマンティック階層によって駆動される新しい学習可能かつ分離可能な周波数知覚機構を提案する。
ネットワーク全体では、周波数誘導粗い局所化ステージと細部保存の微細局在化ステージを含む2段階モデルを採用している。
提案手法は,既存のモデルと比較して,3つのベンチマークデータセットにおいて競合性能を実現する。
論文 参考訳（メタデータ） (2023-08-17T11:30:46Z) - 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) - Wavelet-Based Network For High Dynamic Range Imaging [64.66969585951207]
光学フローベースやエンド・ツー・エンドのディープラーニングベースのソリューションのような既存の方法は、詳細な復元やゴーストを除去する際にエラーを起こしやすい。
本研究では、周波数領域でHDR融合を行うための新しい周波数誘導型エンド・ツー・エンドディープニューラルネットワーク(FNet)を提案し、ウェーブレット変換(DWT)を用いて入力を異なる周波数帯域に分解する。
低周波信号は特定のゴーストアーティファクトを避けるために使用され、高周波信号は詳細を保存するために使用される。
論文 参考訳（メタデータ） (2021-08-03T12:26:33Z)
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。