Infrared Small Target Detection based on Adjustable Sensitivity Strategy and Multi-Scale Fusion

要約

最近、深層学習ベースのシングルフレーム赤外線小型標的 (SIRST) 検出技術が大幅に進歩しました。
しかし、既存の赤外線小型ターゲット検出方法は、多くの場合、固定画像解像度、単一波長、または特定のイメージング システムに最適化されており、実際のアプリケーションにおける幅と柔軟性が制限されています。
したがって、調整可能な感度（AS）戦略とマルチスケール融合に基づいて洗練された赤外線小型ターゲット検出スキームを提案します。
具体的には、マルチスケール方向認識ネットワーク（MSDA-Net）に基づくマルチスケールモデル融合フレームワークを構築し、複数スケールの入力画像を使用して複数のモデルを学習し、それらを融合します。
マルチスケール フュージョンは、さまざまなスケールからターゲットの形状、エッジ、テクスチャの特徴を特徴付けるのに役立ち、ターゲットの位置を特定する際のモデルの精度と信頼性が向上します。
同時に、赤外線小型ターゲット検出タスクの特性を十分に考慮し、エッジ強化難易度マイニング (EEDM) 損失を構築します。
EEDM 損失は、カテゴリの不均衡の問題を軽減するのに役立ち、トレーニング中にネットワークが困難なターゲット領域やエッジ特徴にさらに注意を払うように導きます。
さらに、後処理のための調整可能な感度戦略を提案します。
この戦略により、セグメンテーションの精度を確保しながら、赤外線の小さなターゲットの検出率が大幅に向上します。
広範な実験結果は、提案されたスキームが最高のパフォーマンスを達成することを示しています。
特に、この方式は PRCV 2024 広域赤外線小型目標検出コンペティションで最優秀賞を受賞しました。

要約(オリジナル)

Recently, deep learning-based single-frame infrared small target (SIRST) detection technology has made significant progress. However, existing infrared small target detection methods are often optimized for a fixed image resolution, a single wavelength, or a specific imaging system, limiting their breadth and flexibility in practical applications. Therefore, we propose a refined infrared small target detection scheme based on an adjustable sensitivity (AS) strategy and multi-scale fusion. Specifically, a multi-scale model fusion framework based on multi-scale direction-aware network (MSDA-Net) is constructed, which uses input images of multiple scales to train multiple models and fuses them. Multi-scale fusion helps characterize the shape, edge, and texture features of the target from different scales, making the model more accurate and reliable in locating the target. At the same time, we fully consider the characteristics of the infrared small target detection task and construct an edge enhancement difficulty mining (EEDM) loss. The EEDM loss helps alleviate the problem of category imbalance and guides the network to pay more attention to difficult target areas and edge features during training. In addition, we propose an adjustable sensitivity strategy for post-processing. This strategy significantly improves the detection rate of infrared small targets while ensuring segmentation accuracy. Extensive experimental results show that the proposed scheme achieves the best performance. Notably, this scheme won the first prize in the PRCV 2024 wide-area infrared small target detection competition.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google