論文の概要: Denoising-Enhanced Coarse-to-Fine Infrared Small Target Detection with Attention Prior-Guided Knowledge Distillation

• arxiv url: http://arxiv.org/abs/2606.21956v1
• Date: Sat, 20 Jun 2026 09:06:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 23:38:53.366134
• Title: Denoising-Enhanced Coarse-to-Fine Infrared Small Target Detection with Attention Prior-Guided Knowledge Distillation
• Title（参考訳）: 事前誘導型知識蒸留による小型小型目標検出装置の高感度化
• Authors: Houzhang Fang, Ruixuan Huang, Qiuhuan Chen, Xiaolin Wang, Yi Chang, Luxin Yan,
• Abstract要約: 高解像度画像における赤外線小目標検出(IRSTD)は、無人航空機(UAV)の監視やUAVによる地上監視など、多くの実用的な用途に欠かせない。 IRSTDは、ターゲットの小さなサイズと弱い特徴、複雑な動的背景からの重大な干渉のため、依然として困難である。 ECFNet と呼ばれる事前誘導型知識蒸留による高効率な粗粒度赤外小ターゲット検出フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 25.578477706884982
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Infrared small target detection (IRSTD) in high-resolution images is crucial for many practical applications, such as surveillance of unmanned aerial vehicles (UAVs) and UAV-based ground monitoring. However, IRSTD remains challenging due to the small size and weak features of targets, as well as significant interference from complex dynamic backgrounds. Existing detection methods often suffer from redundant computations on non-target background regions and insufficient exploitation of target context information, which limits their performance in complex backgrounds. To address these issues, we propose an efficient coarse-to-fine infrared small target detection framework with attention prior-guided knowledge distillation, termed ECFNet. In the coarse stage, we design a region binary classification network (RBCN) on grid-based multi-scale feature maps to efficiently recognize target-containing context region proposals while suppressing complex backgrounds. Moreover, we introduce a novel denoising-assisted training strategy that incorporates noisy ground-truth (GT) masks into the feature maps of RBCN and trains the network to reconstruct the GT masks through a denoising task, thereby enhancing its ability to distinguish target proposals from background regions and accelerating convergence. In the fine stage, we customize a lightweight target detector to the coarse stage's region proposals for balancing accuracy and efficiency. Furthermore, we propose a knowledge distillation strategy guided by the teacher-student cross-attention prior. This mechanism directs the student to focus on critical target regions, thereby enhancing the discriminative feature representation for infrared small targets. Extensive experiments on three real infrared datasets demonstrate that our method outperforms both existing single-stage and two-stage approaches while maintaining high real-time processing efficiency.
• Abstract（参考訳）: 高解像度画像における赤外線小目標検出(IRSTD)は、無人航空機(UAV)の監視やUAVによる地上監視など、多くの実用的な用途に欠かせない。 しかし、IRSTDは、ターゲットの小さいサイズと弱い特徴、複雑な動的背景からの重大な干渉のため、依然として困難である。 既存の検出手法は、非対象の背景領域における冗長な計算と、複雑な背景領域における性能を制限するターゲットコンテキスト情報の不十分な利用に悩まされることが多い。 これらの課題に対処するため、我々は、ECFNetと呼ばれる事前誘導型知識蒸留を用いた、高効率で粗粒度な赤外小ターゲット検出フレームワークを提案する。 粗い段階では、複雑な背景を抑えつつ、ターゲットを含むコンテキスト領域の提案を効率的に認識するために、グリッドベースのマルチスケール特徴マップに基づく領域バイナリ分類ネットワーク(RBCN)を設計する。 さらに、RBCNの特徴マップにGTマスクを組み込んだ新しい聴覚支援トレーニング戦略を導入し、そのネットワークをデノナイジングタスクを通じてGTマスクを再構築するよう訓練し、背景領域とターゲット提案を区別し、収束を加速する能力を高める。 細かな段階では、精度と効率のバランスをとるために、粗いステージの領域提案に軽量な目標検出器をカスタマイズする。 さらに,教師と学生のクロスアテンションに先立って指導された知識蒸留戦略を提案する。 このメカニズムにより、学生は重要な対象領域に焦点を合わせ、赤外小目標に対する識別的特徴表現を強化することができる。 3つの実赤外データセットに対する大規模な実験により、我々の手法は、高リアルタイム処理効率を維持しながら、既存のシングルステージと2ステージの両方のアプローチより優れていることが示された。

関連論文リスト

• Selective Attention-Based Network for Robust Infrared Small Target Detection [6.998442855153326]
  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。
  論文  参考訳（メタデータ） (2026-04-27T09:17:23Z)
• CCDNet: Learning to Detect Camouflage against Distractors in Infrared Small Target Detection [22.490046328258444]
  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。
  論文  参考訳（メタデータ） (2026-03-31T03:51:51Z)
• Rethinking Evaluation of Infrared Small Target Detection [105.59753496831739]
  本稿では,画素レベルと目標レベルのパフォーマンスを取り入れたハイブリッドレベルのメトリクスを導入し,システム的エラー解析手法を提案し,クロスデータセット評価の重要性を強調した。 標準化されたベンチマークを容易にするオープンソースツールキットがリリースされた。
  論文  参考訳（メタデータ） (2025-09-21T02:45:07Z)
• Probing Deep into Temporal Profile Makes the Infrared Small Target Detector Much Better [63.567886330598945]
  赤外線小目標(IRST)検出は、精度、普遍性、堅牢性、効率的な性能を同時に達成する上で困難である。 現在の学習に基づく手法は、空間的領域と短期的領域の両方から"より多くの情報を活用する。 本稿では、IRST検出のための時間次元でのみ計算を行う効率的な深部プローブネットワーク(DeepPro)を提案する。
  論文  参考訳（メタデータ） (2025-06-15T08:19:32Z)
• Single-Point Supervised High-Resolution Dynamic Network for Infrared Small Target Detection [7.0456782736205685]
  単一点教師付き高分解能ダイナミックネットワーク(SSHD-Net)を提案する。 単一点監視のみを用いて、最先端(SOTA)検出性能を実現する。 公開データセット NUDT-SIRST と IRSTD-1k の実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-08-04T09:44:47Z)
• 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)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• 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)
• 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。