論文の概要: Selective Attention-Based Network for Robust Infrared Small Target Detection

• arxiv url: http://arxiv.org/abs/2605.00886v1
• Date: Mon, 27 Apr 2026 09:17:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:49.448914
• Title: Selective Attention-Based Network for Robust Infrared Small Target Detection
• Title（参考訳）: ロバスト赤外小ターゲット検出のための選択的注意ベースネットワーク
• Authors: Yingming Zhang, Wuqi Su, Qing Xiao, Yonggang Yang,
• Abstract要約: 赤外線小目標検出は、海上監視、軍事捜索救助、早期警戒システム、精密誘導攻撃など、幅広いミッションクリティカルな応用において重要な役割を担っている。 赤外線の小さなターゲットは、非常に限られた空間範囲を占め、信号とクラッタの比率が低く、しばしば誤報を引き起こす構造的に複雑な背景と容易に混同される。 既存のエンコーダ・デコーダアーキテクチャには、初期畳み込みの際の情報ボトルネックと、真のターゲットと擬似ターゲット領域を識別するために必要な動的適応性に欠ける静的スキップ接続という、2つの重要な制限がある。
• 参考スコア（独自算出の注目度）: 6.998442855153326
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Infrared small target detection (IRSTD) plays a pivotal role in a broad spectrum of mission-critical applications, including maritime surveillance, military search and rescue, early warning systems, and precision-guided strikes, all of which demand the precise identification of dim, sub-pixel targets amid highly cluttered infrared backgrounds. Despite significant progress driven by deep learning methods, fundamental challenges persist: infrared small targets occupy extremely limited spatial extents (often only a few pixels), exhibit low signal-to-clutter ratios, and are easily confused with structurally complex backgrounds that frequently induce false alarms. Existing encoder-decoder architectures suffer from two key limitations - an information bottleneck in early convolutional stages that undermines fine-grained target perception, and static skip connections that lack the dynamic adaptability required to discriminate between genuine targets and pseudo-target regions. To address these challenges, we propose SANet, a Selective Attention-based Network built upon the classical U-Net framework and augmented with two novel components: (1) a \emph{Dual-path Semantic-aware Module} (DSM) that integrates standard convolutions for local spatial detail preservation with pinwheel-shaped convolutions for expanded, direction-sensitive receptive fields, followed by a Convolutional Block Attention Module (CBAM) for fine-grained spatial-channel feature recalibration; and (2) a \emph{Selective Attention Fusion Module} (SAFM) that replaces conventional static skip connections with a spatially adaptive, learnable weighting mechanism to perform context-aware, cross-scale feature fusion.
• Abstract（参考訳）: 赤外線小目標検出(IRSTD)は、海上監視、軍事捜索救助、早期警戒システム、精密誘導攻撃など幅広いミッションクリティカルな用途において重要な役割を担っている。 赤外線の小さなターゲットは、非常に限られた空間範囲(しばしば数ピクセル)を占め、信号とクラッタの比率が低く、しばしば誤報を誘発する構造的に複雑な背景と容易に混同される。 既存のエンコーダ/デコーダアーキテクチャには2つの重要な制限がある – 詳細なターゲット認識を損なう初期畳み込みステージの情報ボトルネックと,真のターゲットと擬似ターゲット領域を識別するために必要な動的適応性に欠ける静的スキップ接続だ。 これらの課題に対処するために,従来のU-Netフレームワーク上に構築された選択型注意型ネットワークであるSANetを提案する。(1)局所空間詳細のための標準的な畳み込みと、拡張された方向感応性受容フィールドのためのピンホイール形状の畳み込みを統合したDSM,(2)空間チャネルの微細化のための畳み込み隠蔽モジュール(CBAM, Convolutional Block Attention Module),(2)空間適応型で学習可能な重み付け機構を代替するSAFM(Shaemph{Dual-path Semantic-aware Module)である。

関連論文リスト

• Rethinking Multi-Condition DiTs: Eliminating Redundant Attention via Position-Alignment and Keyword-Scoping [61.459927600301654]
  マルチコンディション制御は従来のコンカデント・アンド・アットエンドの戦略によってボトルネックとなる。 分析の結果,これらの相互作用の多くは空間的にも意味的にも冗長であることがわかった。 本稿では,これらの冗長性を解消するための高効率なフレームワークであるPKAを提案する。
  論文  参考訳（メタデータ） (2026-02-06T16:39:10Z)
• 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)
• DENet: Dual-Path Edge Network with Global-Local Attention for Infrared Small Target Detection [5.672707725914493]
  災害警報や海上監視といったリモートセンシングアプリケーションには、赤外線小目標検出が不可欠である。 このタスクの深層モデルの設計における根本的な課題は、微小目標に対する高解像度の空間的詳細を捉えることと、より大きな目標に対する堅牢な意味的コンテキストを抽出することの相違にある。 既存の手法は、低コントラストと高雑音下でターゲットエッジを正確に抽出するには不十分な、固定勾配演算子や単純な注意機構に頼っていることが多い。 本稿では,エッジ拡張とセマンティックモデリングを2つの補完処理経路に分離することで,この課題に対処する新しいDual-Path Edge Networkを提案する。
  論文  参考訳（メタデータ） (2025-09-25T03:08:26Z)
• 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)
• 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)
• 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)
• SCTransNet: Spatial-channel Cross Transformer Network for Infrared Small Target Detection [46.049401912285134]
  赤外線小ターゲット検出(IRSTD)は近年,U字型ニューラルモデルから大きな恩恵を受けている。 既存のテクニックは、ターゲットが背景と高い類似性を持つ場合に苦労する。 本稿では,空間チャネルクロストランスネットワーク(SCTransNet)を提案する。
  論文  参考訳（メタデータ） (2024-01-28T06:41:15Z)
• 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)
• 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。