論文の概要: CCDNet: Learning to Detect Camouflage against Distractors in Infrared Small Target Detection
- arxiv url: http://arxiv.org/abs/2603.29228v1
- Date: Tue, 31 Mar 2026 03:51:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-01 15:25:03.094023
- Title: CCDNet: Learning to Detect Camouflage against Distractors in Infrared Small Target Detection
- Title（参考訳）: CCDNet:赤外小ターゲット検出におけるディトラクタに対するカモフラージュ検出の学習
- Authors: Zikai Liao, Zhaozheng Yin,
- Abstract要約: 赤外線目標検出タスクは、自然災害救助や海洋探索のような分野において重要な応用がある。
赤外線の標的を検出するのは コントラストが低く 複雑な背景に 混ざり合う傾向があるため 効果的に カモフラージュする
本稿では,新しいtextbfCamouflage-aware textbfCounter-textbfDistraction textbfNetwork (CCDNet)を提案する。
- 参考スコア（独自算出の注目度）: 22.490046328258444
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Infrared target detection (IRSTD) tasks have critical applications in areas like wilderness rescue and maritime search. However, detecting infrared targets is challenging due to their low contrast and tendency to blend into complex backgrounds, effectively camouflaging themselves. Additionally, other objects with similar features (distractors) can cause false alarms, further degrading detection performance. To address these issues, we propose a novel \textbf{C}amouflage-aware \textbf{C}ounter-\textbf{D}istraction \textbf{Net}work (CCDNet) in this paper. We design a backbone with Weighted Multi-branch Perceptrons (WMPs), which aggregates self-conditioned multi-level features to accurately represent the target and background. Based on these rich features, we then propose a novel Aggregation-and-Refinement Fusion Neck (ARFN) to refine structures/semantics from shallow/deep features maps, and bidirectionally reconstruct the relations between the targets and the backgrounds, highlighting the targets while suppressing the complex backgrounds to improve detection accuracy. Furthermore, we present a new Contrastive-aided Distractor Discriminator (CaDD), enforcing adaptive similarity computation both locally and globally between the real targets and the backgrounds to more precisely discriminate distractors, so as to reduce the false alarm rate. Extensive experiments on infrared image datasets confirm that CCDNet outperforms other state-of-the-art methods.
- Abstract（参考訳）: 赤外線標的検出(IRSTD)タスクは、荒野の救助や海洋探索といった分野において重要な応用である。
しかし、赤外目標の検出はコントラストが低く、複雑な背景に混入する傾向があるため困難であり、効果的に迷彩を呈する。
さらに、類似した機能(ディストリクタ)を持つ他のオブジェクトは、誤報を引き起こし、さらに検出性能が低下する可能性がある。
これらの問題に対処するために,本論文では,新しい \textbf{C}amouflage-aware \textbf{C}ounter-\textbf{D}istraction \textbf{Net}work (CCDNet) を提案する。
Weighted Multi-branch Perceptrons (WMP) を用いたバックボーンの設計を行った。
これらの豊富な特徴に基づき、浅層・深層特徴マップから構造・意味を洗練し、ターゲットと背景の関係を双方向に再構築し、複雑な背景を抑えながらターゲットを強調し、検出精度を向上させるために、ARFN(Aggregation-and-Refinement Fusion Neck)を提案する。
さらに,提案するCaDD(Contrastive-Aided Distractor Discriminator)では,実物と背景の局所的およびグローバル的類似性計算により,誤報率の低減を図る。
赤外線画像データセットの大規模な実験により、CCDNetが他の最先端手法よりも優れていることが確認された。
関連論文リスト
- DCCS-Det: Directional Context and Cross-Scale-Aware Detector for Infrared Small Target [4.318503966844226]
赤外線小目標検出(IRSTD)は、リモートセンシングや監視などのアプリケーションにおいて重要である。
本稿では,DSEブロックとLatent-aware Semantic extract and Aggregation (LaSEA)モジュールを組み込んだ新しい検出器DCCS-Detを提案する。
実験により、DCCS-Detは複数のデータセットをまたいだ競合効率で最先端の検出精度を達成することが示された。
論文 参考訳（メタデータ） (2026-01-23T03:53:59Z) - 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) - Background Semantics Matter: Cross-Task Feature Exchange Network for Clustered Infrared Small Target Detection [22.796713788625294]
赤外線小目標検出は、標的の内在的特徴が限られているため、重要な課題を呈する。
背景意味論は、この文脈で視覚的に類似しているように見えるオブジェクトを区別するために重要である。
DenseSIRSTは、背景領域に対してピクセルごとのセマンティックアノテーションを提供するベンチマークデータセットである。
BAFE-Netは、ターゲット検出と背景セマンティックセグメンテーションに共同で取り組むマルチタスクアーキテクチャである。
論文 参考訳（メタデータ） (2024-07-29T15:03:27Z) - Sparse Prior Is Not All You Need: When Differential Directionality Meets Saliency Coherence for Infrared Small Target Detection [15.605122893098981]
本研究では,Sparse Differential Directionality prior (SDD)フレームワークを提案する。
我々は、ターゲットの異なる方向特性を活用して、それらを背景と区別する。
さらに、サリエンシ・コヒーレンス・ストラテジーにより、目標検出性をさらに強化する。
近似交互最小化法(PAM)アルゴリズムは,提案したモデルを効率的に解く。
論文 参考訳（メタデータ） (2024-07-22T04:32:43Z) - 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) - Enhancing Infrared Small Target Detection Robustness with Bi-Level
Adversarial Framework [61.34862133870934]
本稿では,異なる汚職の存在下での検出の堅牢性を促進するために,二段階の対向的枠組みを提案する。
我々の手法は広範囲の汚職で21.96%のIOUを著しく改善し、特に一般ベンチマークで4.97%のIOUを推進している。
論文 参考訳（メタデータ） (2023-09-03T06:35:07Z) - Threatening Patch Attacks on Object Detection in Optical Remote Sensing
Images [55.09446477517365]
自然画像における物体検出における高度なパッチアタック(PA)は、ディープニューラルネットワークに基づく手法における大きな安全性の脆弱性を指摘した。
我々は,TPAと呼ばれる視覚的品質の低下を伴わない,より危険度の高いPAを提案する。
我々の知る限りでは、これがO-RSIにおけるオブジェクト検出におけるPAの研究の最初の試みであり、この研究が読者にこのトピックの研究に興味を持たせることを願っている。
論文 参考訳（メタデータ） (2023-02-13T02:35:49Z) - Adversarially-Aware Robust Object Detector [85.10894272034135]
本稿では,ロバスト検出器 (RobustDet) を提案する。
本モデルは, クリーン画像の検出能力を維持しながら, 傾きを効果的に解き, 検出堅牢性を著しく向上させる。
論文 参考訳（メタデータ） (2022-07-13T13:59:59Z) - 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) - 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)
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。