論文の概要: LCMamNet: A Lightweight Cross-scale Mamba Network for Infrared Small Target Detection

• arxiv url: http://arxiv.org/abs/2607.24184v1
• Date: Mon, 27 Jul 2026 09:06:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.371788
• Title: LCMamNet: A Lightweight Cross-scale Mamba Network for Infrared Small Target Detection
• Title（参考訳）: LCMamNet:赤外線小ターゲット検出のための軽量クロススケールマンバネットワーク
• Abstract要約: 赤外線小ターゲット検出のための軽量クロススケールマンバネットワークであるLCMamNetを提案する。 十字形指向性ボトルネック残差ブロックを有するコンパクト階層型エンコーダは、指向性ターゲット構造を強化する。 IRSTD-1k、NUAA-SIRST、NUDT-SIRSTの実験では、提案したネットワークがそれぞれ71.25%、79.60%、95.58%のmIoUスコアを達成した。
• 参考スコア（独自算出の注目度）: 53.811713750107934
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Infrared small target detection (IRSTD) is important for low-altitude perception, unmanned-system warning, and security monitoring. However, weak targets in infrared imagery usually occupy only a few pixels and are easily submerged by cloud clutter, ground edges, and bright noise, making it difficult for lightweight segmentation-based methods to preserve local target structures while suppressing background interference. To address these challenges, we propose LCMamNet, a lightweight cross-scale Mamba network that progressively enhances local target structures, interacts cross-scale context in a latent space, and restores spatial details with background suppression. Specifically, a compact hierarchical encoder with cross-shaped directional bottleneck residual (CDBR) blocks strengthens direction-sensitive target structures under a small computation budget. A latent dense cross-scale fusion (LDCF) module then performs dense all-level interaction through bidirectional Mamba modeling and reorganizes the interacted features into stable hierarchical semantics. Finally, a progressive decoder selectively recovers shallow spatial details while suppressing irrelevant background textures. Extensive experiments on IRSTD-1k, NUAA-SIRST, and NUDT-SIRST show that the proposed network achieves mIoU scores of 71.25\%, 79.60\%, and 95.58\%, respectively, with only 1.175M parameters and 6.91 GFLOPs. It also runs with a mean inference latency of 6.62 ms, and deployment results on an NVIDIA Jetson Orin NX 16G SUPER further demonstrate its practical potential for real-time edge inference. The code and checkpoints are publicly available at https://github.com/Haoyu096/LCMamNet.
• Abstract（参考訳）: 赤外線小目標検出(IRSTD)は、低高度認識、無人システム警告、セキュリティ監視において重要である。 しかし、赤外線画像の弱いターゲットは通常数ピクセルしか占有せず、雲の隙間、地面の縁、明るい騒音によって容易に沈み込むため、背景干渉を抑えつつ、局所的なターゲット構造を保存するための軽量なセグメンテーション法は困難である。 これらの課題に対処するために,LCMamNetを提案する。LCMamNetは,局所的ターゲット構造を漸進的に拡張し,潜在空間における大規模コンテキストと相互作用し,背景抑圧によって空間的詳細を復元する,軽量なクロススケール・マンバネットワークである。 具体的には,CDBRブロックを有するコンパクト階層型エンコーダにより,計算予算が小さくなると,指向性目標構造が強化される。 遅延高密度クロススケール融合(LDCF)モジュールは、双方向マンバモデリングを通じて高密度全レベル相互作用を実行し、相互作用した特徴を安定な階層的意味論に再編成する。 最後に、プログレッシブデコーダは、無関係な背景テクスチャを抑えながら、浅い空間の詳細を選択的に回収する。 IRSTD-1k, NUAA-SIRST, NUDT-SIRSTの大規模な実験により, 提案したネットワークは, それぞれ71.25\%, 79.60\%, 95.58\%のmIoUスコアを達成し, パラメータは1.175Mと6.91GFLOPsに留まった。 平均推論レイテンシは6.62msで、NVIDIA Jetson Orin NX 16G SUPER上でのデプロイメント結果はさらに、リアルタイムエッジ推論の実用的な可能性を実証している。 コードとチェックポイントはhttps://github.com/Haoyu096/LCMamNetで公開されている。

関連論文リスト

• Towards UAV Detection in the Real World: A New Multispectral Dataset UAVNet-MS and a New Method [80.50361258830928]
  UAVNet-MSは、微小UAV検出のための最初のマルチスペクトルデータセットである。 本稿では、アレイ誘起パララックスと空間-スペクトル融合に対処するデュアルストリームベースラインであるMFDNetを提案する。 この研究は、基礎的なデータセット、強力なベースライン、マルチスペクトルUAV監視研究のためのベンチマークを提供する。
  論文  参考訳（メタデータ） (2026-05-20T09:49:04Z)
• 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)
• FSGNet: A Frequency-Aware and Semantic Guidance Network for Infrared Small Target Detection [9.669351353574323]
  IRSTDは、複雑な背景から小さなターゲットを識別し、識別することを目的としている。 U-Netは、深い層から浅い層へ高レベルの機能を転送する際のセマンティックな劣化に悩まされている。 本稿では,周波数認識と意味誘導を組み込んだ軽量かつ効果的な検出フレームワークFSGNetを提案する。
  論文  参考訳（メタデータ） (2026-03-26T12:38:29Z)
• 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)
• 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)
• SpirDet: Towards Efficient, Accurate and Lightweight Infrared Small Target Detector [60.42293239557962]
  我々は、赤外線小ターゲットの効率的な検出のための新しいアプローチであるSpirDetを提案する。 新しいデュアルブランチスパースデコーダを用いて特徴写像を復元する。 大規模な実験により、提案されたSpirDetは最先端モデルよりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2024-02-08T05:06:14Z)
• Improved Dense Nested Attention Network Based on Transformer for Infrared Small Target Detection [8.388564430699155]
  深層学習に基づく赤外線小ターゲット検出は、複雑な背景と動的背景から小さなターゲットを分離する際、独特な利点をもたらす。 畳み込みニューラルネットワーク(CNN)の深さが増加するにつれて、赤外線小ターゲットの特徴は徐々に弱まる。 本稿では,トランスアーキテクチャに基づく高密度ネストアテンションネットワーク (IDNANet) を提案する。
  論文  参考訳（メタデータ） (2023-11-15T07:29:24Z)
• Lightweight Salient Object Detection in Optical Remote-Sensing Images via Semantic Matching and Edge Alignment [61.45639694373033]
  セマンティックマッチングとエッジアライメントに基づく光リモートセンシング画像(ORSI-SOD)のための新しい軽量ネットワークSeaNetを提案する。 具体的には、機能抽出のための軽量MobileNet-V2、高レベルの機能のための動的セマンティックマッチングモジュール(DSMM)、推論のためのポータブルデコーダが含まれる。
  論文  参考訳（メタデータ） (2023-01-07T04:33:51Z)
• MTU-Net: Multi-level TransUNet for Space-based Infrared Tiny Ship Detection [42.92798053154314]
  我々は,48個の空間ベースの赤外線画像と17598ピクセルレベルの小型船舶アノテーションを用いた,宇宙ベースの小型船舶検出データセット(NUDT-SIRST-Sea)を開発した。 このような挑戦的な場面におけるこれらの小型船の極端な特性を考慮すると、本稿ではマルチレベルトランスUNet(MTU-Net)を提案する。 NUDT-SIRST-Seaデータセットによる実験結果から,MTU-Netは従来の深層学習に基づくSIRST法よりも検出率,誤警報率,結合上の交叉率の点で優れていた。
  論文  参考訳（メタデータ） (2022-09-28T00:48:14Z)
• Lightweight Salient Object Detection in Optical Remote Sensing Images via Feature Correlation [93.80710126516405]
  本稿では,これらの問題に対処する軽量ORSI-SODソリューションであるCorrNetを提案する。 それぞれのコンポーネントのパラメータと計算を減らし、CorrNetは4.09Mのパラメータしか持たず、21.09GのFLOPで実行している。 2つの公開データセットの実験結果から、私たちの軽量なCorrNetは、26の最先端メソッドと比較して、競争力やパフォーマンスがさらに向上することが示された。
  論文  参考訳（メタデータ） (2022-01-20T08:28:01Z)

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。