Paying more attention to local contrast: improving infrared small target detection performance via prior knowledge

要約

赤外線小型目標検出 (IRSTD) のデータ駆動型手法は、有望な結果を達成しました。
ただし、赤外線の小さなターゲット データセットのスケールが小さく、ターゲット自体が占めるピクセル数が限られているため、深層学習手法がこれらのサンプルから直接学習することは困難な作業です。
人間の専門知識を活用してディープラーニング手法の学習を改善することは、検討する価値があります。
ターゲットの空間的特徴に焦点を当てるようにモデルを効果的に導くために、この論文では、事前知識とデータ駆動型深層学習手法を組み合わせた、ローカル コントラスト アテンション強化赤外線小型ターゲット検出ネットワーク (LCAE-Net) を提案します。
LCAE-Net は、ローカル コントラスト エンハンスメント (LCE) モジュールとチャネル アテンション エンハンスメント (CAE) モジュールの 2 つの開発モジュールで構成される U 字型ニューラル ネットワーク モデルです。
LCE モジュールは事前知識を活用し、手作りの畳み込み演算子を活用してローカル コントラスト アテンション (LCA) を取得します。これにより、潜在的なターゲット領域を強調しながら背景の抑制を実現でき、これによりニューラル ネットワークが潜在的な赤外線の小さなターゲットの位置により注意を払うように誘導されます。
情報。
ダウンサンプリングの進行全体にわたって応答情報を効果的に利用するために、特徴マップの異なるチャネル間の情報融合を実現する CAE モジュールが提案されています。
実験結果は、私たちの LCAE-Net が 3 つの公開データセット NUDT-SIRST、NUAA-SIRST、IRSTD-1K 上で既存の最先端の手法を上回っており、その検出速度が最大 70 fps に達する可能性があることを示しています。
一方、私たちのモデルのパラメーター数と浮動小数点演算 (FLOP) はそれぞれ 1.945M と 4.862G で、エッジ デバイスでの展開に適しています。

要約(オリジナル)

The data-driven method for infrared small target detection (IRSTD) has achieved promising results. However, due to the small scale of infrared small target datasets and the limited number of pixels occupied by the targets themselves, it is a challenging task for deep learning methods to directly learn from these samples. Utilizing human expert knowledge to assist deep learning methods in better learning is worthy of exploration. To effectively guide the model to focus on targets’ spatial features, this paper proposes the Local Contrast Attention Enhanced infrared small target detection Network (LCAE-Net), combining prior knowledge with data-driven deep learning methods. LCAE-Net is a U-shaped neural network model which consists of two developed modules: a Local Contrast Enhancement (LCE) module and a Channel Attention Enhancement (CAE) module. The LCE module takes advantages of prior knowledge, leveraging handcrafted convolution operator to acquire Local Contrast Attention (LCA), which could realize background suppression while enhance the potential target region, thus guiding the neural network to pay more attention to potential infrared small targets’ location information. To effectively utilize the response information throughout downsampling progresses, the CAE module is proposed to achieve the information fusion among feature maps’ different channels. Experimental results indicate that our LCAE-Net outperforms existing state-of-the-art methods on the three public datasets NUDT-SIRST, NUAA-SIRST, and IRSTD-1K, and its detection speed could reach up to 70 fps. Meanwhile, our model has a parameter count and Floating-Point Operations (FLOPs) of 1.945M and 4.862G respectively, which is suitable for deployment on edge devices.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google