.png){kind=icon}
返回
DCONet: A Dual-Task Collaborative Optimization Network for Infrared Small Target Detection
.png){kind=icon}
PRE
AI
DOI：10.1109/LGRS.2025.3597969.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
红外小目标检测在军事侦察、遥感等领域至关重要。然而，由于其尺寸小且与复杂背景高度耦合，现有方法在精确检测方面仍面临挑战。它们主要关注目标特征学习，而忽略了背景建模在小目标解耦中的关键作用。为此，我们提出了一种双任务协同优化网络（DCONet），该网络利用多阶段迭代优化策略将任务解耦为背景估计和目标分割。首先，考虑到红外背景中显著的方向分布特征，我们提出了一个方向感知背景估计模块（DBEM）来捕获方向特征，如云和树木，从而生成初始背景估计。其次，我们提出了一个背景抑制门控单元（BSGU），该单元采用门控机制和通道级调整因子，基于初步背景估计动态抑制背景噪声，从而生成目标分割结果。最后，估计的背景、目标分割以及基于它们的重建原始图像被传递到下一阶段进行进一步的迭代优化。实验结果表明，DCONet在三个公开数据集上的性能优于现有方法。源代码可在https://github.com/tustAilab/DCONet获取。
Keyword:
Direction-aware modeling
dual-task collaborative optimization
infrared small target detection
iterative optimization
期刊
IF:
16.4
论文数:
1.0W
被引数:
5.1K
机构
引用论文
.png){kind=icon}
分享收藏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Infrared Small Target Detection Based on Partial Sum of the Tensor Nuclear Norm基于张量核范数部分和的红外小目标检测
OAAI
OAAI分享收藏分享收藏Moderately Dense Adaptive Feature Fusion Network for Infrared Small Target Detection用于红外小目标检测的中等密度自适应特征融合网络
PREAI
分享收藏
查看更多内容