返回
Infrared Dim Small Target Detection Algorithm with Large-Size Receptive Fields
DOI:10.3390/rs17020307.png)
摘要
En 中文
红外目标检测具有广泛的应用价值,但由于红外图像的特性,红外目标容易淹没在复杂背景中。因此,在复杂场景中,难以有效且准确地检测红外弱小目标。针对这一问题,我们设计了一种包含大感受野(LRFNet)的红外弱小目标(IDST)检测算法。该算法采用具有倒金字塔结构(RIPS)的残差网络,其由逐层减小的卷积层构成,因此能够具有更大的有效感受野并提高模型鲁棒性。此外,通过具有大感受野和逆瓶颈(LRIB)的注意力机制,能够使网络更好地定位目标所在区域,并提升模型的检测效果。实验结果表明,我们提出的算法在所有评估指标上均优于其他当前最优算法。
Keyword:
convolutional neural network
large-size convolutional layers
infrared image
small-target detection
期刊
IF:
4.1
论文数:
7.7K
被引数:
15.1W
机构
引用论文
Lightweight Infrared Small Target Detection Network Using Full-Scale Skip Connection U-Net基于全尺度跳跃连接u-net的轻型红外小目标探测网络

