iSmallNet: Densely Nested Network with Label Decoupling for Infrared Small Target Detection

要約

小さなターゲットは、赤外線画像の乱雑な背景に沈んでしまうことがよくあります。
従来の検出器は誤警報を生成する傾向がありますが、CNN ベースの検出器は深い層にある小さなターゲットを失います。
この目的を達成するために、赤外線小型物体検出用のラベル デカップリングを備えたマルチストリームの高密度にネストされたネットワークである iSmallNet を提案します。
一方では、小さなターゲットの形状情報を最大限に活用するために、元のラベル付きグラウンドトゥルース (GT) マップを内部マップと境界マップに分離します。
GT マップは、2 つの追加マップと連携して、小さなオブジェクトの境界の不均衡な分布に対処します。
一方、2 つの主要なモジュールは慎重に設計され、全体的なパフォーマンスを向上させるために提案されたネットワークに組み込まれています。
まず、深い層で小さなターゲットを維持するために、広範囲のコンテキスト情報を調査するためのマルチスケールの入れ子になったインタラクション モジュールを開発します。
次に、多粒度の情報を統合する内部境界融合モジュールを開発します。
NUAA-SIRST と NUDT-SIRST の実験では、11 個の最先端の検出器よりも iSmallNet が優れていることが明確に示されています。

要約(オリジナル)

Small targets are often submerged in cluttered backgrounds of infrared images. Conventional detectors tend to generate false alarms, while CNN-based detectors lose small targets in deep layers. To this end, we propose iSmallNet, a multi-stream densely nested network with label decoupling for infrared small object detection. On the one hand, to fully exploit the shape information of small targets, we decouple the original labeled ground-truth (GT) map into an interior map and a boundary one. The GT map, in collaboration with the two additional maps, tackles the unbalanced distribution of small object boundaries. On the other hand, two key modules are delicately designed and incorporated into the proposed network to boost the overall performance. First, to maintain small targets in deep layers, we develop a multi-scale nested interaction module to explore a wide range of context information. Second, we develop an interior-boundary fusion module to integrate multi-granularity information. Experiments on NUAA-SIRST and NUDT-SIRST clearly show the superiority of iSmallNet over 11 state-of-the-art detectors.

arxiv情報

著者 Zhiheng Hu,Yongzhen Wang,Peng Li,Jie Qin,Haoran Xie,Mingqiang Wei
発行日 2023-06-29 10:51:43+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.CV パーマリンク