返回
Infrared Tiny Object Detection Using Semi-Supervised Learning and Data Augmentation
DOI:10.1142/S0218001425510322.png)
摘要
En 中文
针对红外小目标检测任务中数据不足和高标注成本的核心挑战,本文提出了一种融合生成对抗网络和半监督学习的创新方法。通过基于StyleGAN2设计小目标生成对抗网络(STGAN),结合自注意力机制和对比学习损失,有效提升了生成数据的质量和多样性。同时,利用知识蒸馏框架,通过教师模型生成的伪标签优化学生模型,显著提高了小样本场景下的检测性能。实验结果表明,所提方法在SIRST数据集上实现了0.709的nIoU(1%标注数据),FID指数降低至0.45,均达到当前最优水平。消融实验进一步验证了检测损失、自注意力模块和REP-PAN特征融合策略的关键作用,并为小目标检测领域的数据扩充和模型优化提供了新思路。
Keyword:
GAN
knowledge distillation
infrared image
small target detection
small sample
期刊
IF:
1.1
论文数:
215
被引数:
2.0K
机构
引用论文
Infrared small target detection via adaptive M-estimator ring top-hat transformation
PATTERN RECOGNITION
IF7.6
Optimization and Application of Improved YOLOv9s-UI for Underwater Object Detection改进的YOLOv9s-UI在水下目标检测中的优化与应用

