REDETR-RISTD:实时远程红外小目标检测网络,基于重定型高效检测变压器
1Air Defense and Antimissile School, Air Force Engineering University, Xi'an 710051, China.
Sensors (Basel, Switzerland)
|May 14, 2025
概括
这项研究介绍了REDETR-RISTD,这是一种用于检测红外小目标的新型网络. 它通过降低计算复杂性来实现高精度和效率,因此非常适合实时应用.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 红外成像技术 红外成像技术
背景情况:
- 在远距离检测小型红外目标是具有挑战性的,因为其小尺寸,低信号噪声比 (SNR) 和复杂的背景.
- 现有的方法往往会损害效率的准确性,反之亦然.
研究的目的:
- 提出一个新的实时远程红外小目标检测网络 (REDETR-RISTD),在降低计算复杂度的同时保持准确性.
- 为了提高红外图像中小目标的检测.
主要方法:
- 开发了一种重定量化的多尺度特征提取模块 (RMSFE) 用于轻量级的骨干 (RepEMSNet).
- 设计了一个以注意力为基础的规模内上下文特征交互 (AICFI) 模块,以增强特征焦点和交互.
- 实施了多尺度金字塔特征融合网络 (MSPFN) 的双向融合,以改善特征捕获.
主要成果:
- REDETR-RISTD在公开数据集上取得了竞争性表现,参数显著减少 (13.814M).
- 在多个数据集中展示了高AP50和回忆率,例如,在一个数据集上96.5%和92.7%.
- 成功地平衡了检测准确度和计算效率.
结论:
- REDETR-RISTD为实时远程红外小目标检测提供了有效的解决方案.
- 拟议的模块 (RMSFE,AICFI,MSPFN) 有助于提高准确性和效率.
- 这个网络提供了检测性能和计算成本之间的可行的权衡.
