Towards Robust Infrared Small Target Detection: A Feature-Enhanced and Sensitivity-Tunable Framework

要約

最近、単一フレーム赤外線小ターゲット（SIRST）検出技術が広範囲にわたる注目を集めています。
ただし、赤外線の小さなターゲットにおける本質的な特徴が不足しているため、複雑な背景からの小さなターゲットの正確なセグメンテーションは依然として重要な課題です。
ネットワークアーキテクチャの改善に焦点を当てたほとんどの既存の深い学習ベースの方法とは異なり、既存のSIRST検出ネットワークと互換性があり、検出パフォーマンスをさらに強化する機能を強化し、感度調整可能な（FEST）フレームワークを提案します。
フェストフレームワークは、機能の強化とターゲット信頼規制の2つの側面からモデルの堅牢性を向上させます。
特徴の強化のために、一方では、マルチスケールの融合戦略を採用しています。これにより、マルチサイズのターゲットのマルチスケール機能に対するモデルの認識と適応性が効果的に改善できます。
一方、タスク特性の分析に基づいて、エッジエンハンスメントの難易度マイニング（EEDM）損失を構築します。これにより、トレーニング中にターゲット領域とエッジ機能に挑戦することに継続的に集中するようにネットワークを導くのに役立ちます。
ターゲットの信頼規制のために、ネットワーク後処理のための調整可能な感度（AS）戦略を設計します。
この戦略は、複雑なシナリオでのネットワークの適応性を向上させるだけでなく、セグメンテーションの精度を維持しながら、赤外線の小さなターゲットの検出率を大幅に改善します。
広範な実験結果は、私たちのフェストフレームワークが既存のSIRST検出ネットワークのパフォーマンスを大幅に向上させることができることを示しています。
特に、Festフレームワークを装備したマルチスケールの方向性ネットワーク（MSDA-NET）は、PRCV 2024幅広いエリア赤外線小ターゲット検出競争で最優秀賞を受賞しました。

要約(オリジナル)

Recently, single-frame infrared small target (SIRST) detection technology has attracted wide-spread attention. However, due to the intrinsic feature scarcity in infrared small targets, precise segmentation of small targets from complex backgrounds remains a significant challenge. Different from most existing deep learning-based methods that focus on improving network architectures, we propose a feature-enhanced and sensitivity-tunable (FEST) framework, which is compatible with existing SIRST detection networks and further enhances their detection performance. The FEST framework improves the model’s robustness from two aspects: feature enhancement and target confidence regulation. For feature enhancement, on the one hand, we adopt a multi-scale fusion strategy, which can effectively improve the model’s perception and adaptability to multi-scale features of multi-size targets. On the other hand, we construct an edge enhancement difficulty mining (EEDM) loss based on the analysis of the task characteristics, which helps guide the network to continuously focus on challenging target regions and edge features during training. For target confidence regulation, we design an adjustable sensitivity (AS) strategy for network post-processing. This strategy not only enhances the adaptability of the network in complex scenarios, but also significantly improves the detection rate of infrared small targets while maintaining segmentation accuracy. Extensive experimental results show that our FEST framework can significantly enhance the performance of existing SIRST detection networks. Notably, the multi-scale direction-aware network (MSDA-Net) equipped with the FEST framework 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