MTMLNet:用于红外小型目标检测和细分的多任务相互学习网络

科学领域:

• 计算机视觉 计算机视觉
• 机器学习 机器学习
• 红外成像技术 红外成像技术

背景情况:

• 红外小型目标检测对于各种应用至关重要.
• 现有的方法经常独立处理检测和细分,错过了协同学习的机会.
• 利用不同的注释形式可以提高性能.

研究的目的:

• 为红外小目标提出一个新的多任务相互学习网络 (MTMLNet).
• 为了同时提高检测和细分性能.
• 有效地利用各种形式的监管信息.

主要方法:

• 设计了一个多任务相互学习网络 (MTMLNet).
• 引入了一个多阶段特征聚合 (MFA) 模块,用于捕获多梯度特征.
• 开发了一个混合聚合下方采样 (HPDown) 模块,以减少信息丢失.
• 实现了一个层次特征融合 (HFF) 模块,用于适应性特征融合.

主要成果:

• 在IRSTD-1k和SIRST-V2数据集上,MTMLNet实现了最先进的 (SOTA) 性能.
• 在基于检测和基于细分的任务中表现出卓越的性能.
• 验证了拟议的MFA,HPDown和HFF模块的有效性.

结论:

• 拟议的MTMLNet有效地整合了红外小目标的检测和细分任务.
• 新型模块有助于改进特征提取和融合.
• MTMLNet代表了红外小目标分析的重大进步.