Fugu-MT 論文翻訳(概要): SANet: Selective Attention Network for Infrared Small Target Detection

論文の概要: SANet: Selective Attention Network for Infrared Small Target Detection

arxiv url: http://arxiv.org/abs/2610.09875v1
Date: Wed, 07 Oct 2026 11:34:01 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-08 21:58:22.876926
Title: SANet: Selective Attention Network for Infrared Small Target Detection
Title（参考訳）: SANet:赤外線小ターゲット検出のための選択的注意ネットワーク
Abstract要約: 本稿では、赤外線小ターゲット検出のための選択的注意ネットワーク(SANet)を提案する。デュアルパス意味認識モジュールは、局所的な空間的一貫性を維持するために、標準とピンホイール型の畳み込みを組み合わせたものである。選択的アテンション融合モジュールは、空間的に変化する重みを使って、スケールにまたがる特徴を適応的に統合する。
参考スコア（独自算出の注目度）: 11.92238458960211
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Infrared small target detection aims to accurately identify and locate dim targets in complex backgrounds and supports applications such as maritime surveillance and military search and rescue. However, the small size and weak contrast of infrared targets make it difficult to balance detection accuracy and false alarms. This paper proposes a selective attention network (SANet) for infrared small target detection. A dual-path semantic-aware module combines standard and pinwheel-shaped convolutions to preserve local spatial consistency and capture broader contextual information. Spatial and channel attention further refine the features and improve target-background discrimination. To address the limitations of static skip connections in U-Net, a selective attention fusion module adaptively integrates features across scales using spatially varying weights. It selectively enhances salient regions and improves discrimination between true targets and false alarms. Experiments on three public benchmarks, NUAA-SIRST, IRSTD-1K, and NUDT-SIRST, show that SANet achieves competitive performance in intersection over union (IoU), normalized IoU, detection probability, and false alarm rate. Its IoU exceeds that of the second-best method by 1.93, 4.32, and 2.21 percentage points, respectively. These results support the effectiveness of SANet in dim-target perception, discriminative feature representation, and background suppression.
Abstract（参考訳）: 赤外線小目標検出は、複雑な背景の中でディム目標を正確に識別し、特定することを目的としており、海上監視や軍事捜索・救助などの応用をサポートする。しかし、赤外線ターゲットの小さいサイズと弱いコントラストは、検出精度と誤報のバランスをとるのが困難である。本稿では、赤外線小ターゲット検出のための選択的注意ネットワーク(SANet)を提案する。デュアルパスのセマンティック・アウェアモジュールは、標準とピンホイール型の畳み込みを組み合わせることで、局所的な空間的一貫性を維持し、より広いコンテキスト情報をキャプチャする。空間的およびチャネル的注意は、さらに特徴を洗練し、目標背景の識別を改善する。 U-Netにおける静的スキップ接続の制限に対処するため、選択的アテンション融合モジュールは空間的に変化する重みを使って、スケールにまたがる特徴を適応的に統合する。正常な領域を選択的に強化し、真のターゲットと偽アラームの識別を改善する。 NUAA-SIRST、IRSTD-1K、NUDT-SIRSTの3つの公開ベンチマーク実験により、SANetは結合(IoU)、正規化IoU、検出確率、誤警報率で競合性能を達成することが示された。 IoUは、それぞれ1.93ポイント、4.32ポイント、および2.21ポイントの2番目に高い方法を上回っている。これらの結果は, ディムターゲット認識, 識別的特徴表現, 背景抑圧におけるSANetの有効性を裏付けるものである。

関連論文リスト

LCMamNet: A Lightweight Cross-scale Mamba Network for Infrared Small Target Detection [53.811713750107934]
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。
論文参考訳（メタデータ） (2026-07-27T09:06:14Z)
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)
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)
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)
Pick of the Bunch: Detecting Infrared Small Targets Beyond Hit-Miss Trade-Offs via Selective Rank-Aware Attention [22.580497586948198]
複雑な背景乱れの中で、赤外線小目標検出は、ディムターゲットを正確に位置決めする固有の課題に直面している。本稿では,従来のヒットミストレードオフを超えて高精度なネットワークであるSeRankDetを提案する。
論文参考訳（メタデータ） (2024-08-07T12:10:32Z)
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)
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)
Uncertainty-Aware Deep Calibrated Salient Object Detection [74.58153220370527]
既存のディープニューラルネットワークに基づくサルエントオブジェクト検出(SOD)手法は主に高いネットワーク精度の追求に重点を置いている。これらの手法は、信頼不均衡問題として知られるネットワーク精度と予測信頼の間のギャップを見落としている。我々は,不確実性を考慮した深部SODネットワークを導入し,深部SODネットワークの過信を防止するための2つの戦略を提案する。
論文参考訳（メタデータ） (2020-12-10T23:28:36Z)

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。