.png){kind=icon}
返回
A Gradient Vector Self-Learning Network for Infrared Small Target Detection
.png){kind=icon}
PRE
AI
DOI：10.1109/LGRS.2024.3474688.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
红外小目标检测 (IRSTD) 由于目标背景对比度低和目标尺寸小而具有挑战性，从而导致漏检和误报 (fa)。为了解决这些问题，提出了一种新的梯度向量自学习网络 (GVSLNet)。首先，基于红外小目标梯度特有的高相关性，设计了自学习梯度矢量 (SLGV) 模块。传统的梯度向量场算子无法更新和学习深度特征。SLGV通过使用CNN自适应地学习和计算红外图像的梯度矢量，克服了这些限制，提高了在复杂环境下区分目标和背景的能力。然后，将边缘特征编码到基于变换器和扩张卷积的全局-局部注意力融合 (GLAF) 模块中。红外小目标图像通常显示非局部自相似性，其中背景信号倾向于共享相似的结构。GLAF模块利用该特性来进一步增强目标强度，同时有效地抑制背景噪声。提出的GVSLNet可以根据场景信息动态计算梯度，提高复杂环境下小目标的检测能力。实验结果证明，所提出的GVSLNet在公共数据集上的性能优于最先进的方法，同时保持了较高的推理速度。
Keyword:
Global-local attention fusion (GLAF)
infrared small target detection (IRSTD)
infrared small target detection (IRSTD)
self-learning gradient vector (SLGV)
self-learning gradient vector (SLGV)
self-learning gradient vector (SLGV)
期刊
IF:
16.4
论文数:
1.0W
被引数:
5.1K
机构
引用论文
.png){kind=icon}
Receptive-Field and Direction Induced Attention Network for Infrared Dim Small Target Detection With a Large-Scale Dataset IRDST接收场和方向诱导的注意网络，用于大规模数据集IRDST的红外弱小目标检测
PREAI
分享收藏Effective Infrared Small Target Detection Utilizing a Novel Local Contrast Method利用新颖的局部对比度方法进行有效的红外小目标检测
PREAI
分享收藏Infrared Small Target Detection Based on Gradient Correlation Filtering and Contrast Measurement基于梯度相关滤波和对比度测量的红外小目标检测
PREAI
分享收藏分享收藏
查看更多内容