.png){kind=icon}
.png){kind=icon}
返回
Star-Graph Interaction Network for Multi-Input Infrared Small Target Detection
.png){kind=icon}
PRE
AI
DOI：10.1109/taes.2026.3722490.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在红外小目标检测（IRSTD）中，数据驱动方法通常使用单尺度图像作为输入，这使得在早期编码阶段抑制背景杂波变得复杂。虽然多输入方法缓解了这一问题，但其对各输入的独立编码往往无法在各尺度上抑制不期望的表示，从而降低了分割稳定性。此外，经过多次下采样后，高层表示缺乏背景上下文，导致在解码阶段背景杂波过度激活。为解决这些挑战，我们提出了一种星图交互网络（SGINet），作为多输入IRSTD的一种替代范式。具体而言，所有输入均编码为卫星节点，并通过残差注意力卷积模块掩蔽噪声通道和空间区域，在早期编码阶段增强目标-背景对比度。星图交互独立更新卫星节点，有效抑制各尺度上的不期望表示。此外，我们引入了背景补充模块，以补充高层中心表示中缺失的背景上下文，防止在输出中心表示中背景杂波的过度激活。SGINet在三个数据集NUAA-SIRST、NUDT-SIRST和IRSTD-1k上优于近期方法，尤其在分割精度和推理速度方面表现突出。
Keyword:
Background context complement
infrared small target detection (IRSTD)
multi-input neural network
star-graph interaction