One-Stage Cascade Refinement Networks for Infrared Small Target Detection

要約

単一フレーム InfraRed Small Target (SIRST) 検出は、固有の特性の欠如、不正確なバウンディング ボックス回帰、現実世界のデータセットの不足、および機密性の高いローカリゼーション評価のために、困難なタスクでした。
このホワイト ペーパーでは、これらの課題に対する包括的なソリューションを提案します。
まず、既存のアンカーなしのラベル割り当て方法では、小さなターゲットを背景として誤ってラベル付けする傾向があり、検出器による省略につながることがわかりました。
この問題を克服するために、スケールの制約を緩和し、空間割り当てをグラウンド トゥルース ターゲットのサイズから切り離す、全規模の疑似ボックス ベースのラベル割り当てスキームを提案します。
次に、機能ピラミッドの構造化された事前に動機付けられて、高レベルのヘッドを低レベルのリファインメント ヘッドのソフトな提案として使用する 1 段階のカスケード リファインメント ネットワーク (OSCAR) を導入します。
これにより、OSCAR は同じターゲットをカスケード方式で粗から細かい方法で処理できます。
最後に、現実世界の高解像度シングル フレーム ターゲットの SIRST-V2 データセット、正規化されたコントラスト評価メトリック、および検出用の DeepInfrared ツールキットで構成される、赤外線の小さなターゲット検出の新しい研究ベンチマークを提示します。
OSCAR のコンポーネントを評価し、その性能を SIRST-V2 ベンチマークで最先端のモデル駆動型およびデータ駆動型の方法と比較するために、広範なアブレーション研究を実施しています。
私たちの結果は、トップダウンのカスケード改良フレームワークが、効率を犠牲にすることなく、赤外線の小さなターゲット検出の精度を向上させることができることを示しています。
DeepInfrared ツールキット、データセット、トレーニング済みモデルは、https://github.com/YimianDai/open-deepinfrared で入手でき、この分野の研究をさらに進めることができます。

要約(オリジナル)

Single-frame InfraRed Small Target (SIRST) detection has been a challenging task due to a lack of inherent characteristics, imprecise bounding box regression, a scarcity of real-world datasets, and sensitive localization evaluation. In this paper, we propose a comprehensive solution to these challenges. First, we find that the existing anchor-free label assignment method is prone to mislabeling small targets as background, leading to their omission by detectors. To overcome this issue, we propose an all-scale pseudo-box-based label assignment scheme that relaxes the constraints on scale and decouples the spatial assignment from the size of the ground-truth target. Second, motivated by the structured prior of feature pyramids, we introduce the one-stage cascade refinement network (OSCAR), which uses the high-level head as soft proposals for the low-level refinement head. This allows OSCAR to process the same target in a cascade coarse-to-fine manner. Finally, we present a new research benchmark for infrared small target detection, consisting of the SIRST-V2 dataset of real-world, high-resolution single-frame targets, the normalized contrast evaluation metric, and the DeepInfrared toolkit for detection. We conduct extensive ablation studies to evaluate the components of OSCAR and compare its performance to state-of-the-art model-driven and data-driven methods on the SIRST-V2 benchmark. Our results demonstrate that a top-down cascade refinement framework can improve the accuracy of infrared small target detection without sacrificing efficiency. The DeepInfrared toolkit, dataset, and trained models are available at https://github.com/YimianDai/open-deepinfrared to advance further research in this field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google