文章目錄
- 論文信息
- 論文翻譯
- 摘要
- 引言
- 相關研究
- 紅外搜索與跟蹤檢測和分割網絡
- 紅外搜索與跟蹤數據集的損失函數
- 紅外搜索與跟蹤數據集
- 方法
- 風車形卷積（PConv）
- 基于尺度的動態損失
- SIRST - UAVB數據集
- 實驗
- 實驗設置
- 與其他方法的比較
- 多模型上的消融實驗
- 結論
- 致謝
- 代碼
- 改進方法
- 測試結果
- 總結
論文信息
論文標題：《Pinwheel-shaped Convolution and Scale-based Dynamic Loss for Infrared Small Target Detection》
論文鏈接：https://arxiv.org/pdf/2412.16986
GitHub鏈接：https://github.com/JN-Yang/PConv-SDloss-Data
論文翻譯
摘要
https://arxiv.org/pdf/2412.16986
近年來，基于卷積神經網絡（CNN）的紅外小目標檢測方法取得了卓越的性能。然而，這些方法通常采用標準卷積，忽略了紅外小目標像素分布的空間特性。因此，我們提出了一種新型的風車形卷積（PConv）來替代骨干網絡下層的標準卷積。PConv 更好地契合了微弱小目標像素的高斯空間分布，增強了特征提取能力，顯著增大了感受野，并且參數增加量極少。此外，雖然最近的損失函數結合了尺度損失和位置損失，但它們沒有充分考慮這些損失在不同目標尺度下的敏感性差異，這限制了在微弱小目標上的檢測性能。為了克服這一問題，我們提出了一種基于尺度的
