IMD-Net:可解读的多尺度检测网络,用于红外模糊和小物体的检测
Dawei Li1, Suzhen Lin2, Xiaofei Lu3
1College of Electricity and Control Engineering, North University of China, Taiyuan 030051, China.
Mathematical biosciences and engineering : MBE
|February 2, 2024
概括
本研究引入了一个可解释的多尺度红外小物体检测网络 (IMD-Net),用于在复杂的背景中提高精度. 这种新型网络改善了小型红外物体的检测和细分,大大减少了错误报警和错误检测.
科学领域:
- 计算机视觉 计算机视觉
- 红外成像技术 红外成像技术
- 人工智能的人工智能
背景情况:
- 在复杂的背景下进行红外小物体检测仍然具有挑战性.
- 现有的方法往往遭受高错误报警和错过检测率.
- 准确的检测和细分对于各种应用至关重要.
研究的目的:
- 提出一个可解释的多级红外小物体检测网络 (IMD-Net).
- 为了提高红外小物体检测和轮细分的精度.
- 在复杂的背景下解决现有方法的局限性.
主要方法:
- 开发了一个多尺度对象增强模块,将特征转换为网络结构.
- 集成的全球对象响应,通道注意力和多层功能融合模块.
- 构建了一个多次损失约束模块来改进网络输出.
主要成果:
- 与最先进的方法相比,IMD-Net实现了更高的性能.
- 在十字路口 (IoU) 和F测量值 (分别高出10.8%和11.3%) 中显著改善.
- 在各种红外复杂背景中展示了模糊和小物体的精确检测和有效细分.
结论:
- 拟议的IMD-Net有效地改善了红外小物体检测和细分.
- 网络的设计增强了特征提取和信息融合,以获得更好的准确性.
- IMD-Net为具有挑战性的红外成像场景提供了强大的解决方案.
