基于扩张卷积条件生成对抗网络的红外小目标检测

作者：张国栋; 陈志华^*; 盛斌

来源：计算机科学, 2023, 1-15.

• 红外小目标检测
• 条件生成对抗网络
• 特征融合
• 注意力机制
• 扩张卷积

基于深度神经网络的目标检测方法凭借自身强大的建模能力，在通用目标检测任务中取得了良好的表现。然而在红外小目标信号弱、像素小本质特征的影响下，深度神经网络层次的加深和池化操作的大量使用导致小目标语义信息的丢失，使得现有方法的检测效果并不理想。本文从红外小目标特性这一关键问题出发，提出了一种新颖的基于扩张卷积条件生成对抗网络的目标检测算法。本方法应用扩张卷积设计了生成网络，充分利用上下文信息，建立层与层之间关联，将红外小目标更多的语义信息保留到深层网络中，增强目标特征进而提高检测性能。此外，设计了融合通道与空间维度的混合注意力模块，在特征提取时有选择性地放大目标信息，抑制背景信息；设计了自注意关联模块处理层与层之间信息融合过程中产生的语义冲突问题。本文使用多种评价指标将所提网络模型与目前先进的其它红外小目标检测方法对比，证明该方法在复杂背景下目标检测性能的优越性。在公开的SIRST数据集上，本文模型的F分数为64.70%，相较于传统方法提高了8.29%，相较于深度学习方法提高了7.29%；在公开的ISOS数据集上，本文模型的F分数为64.54%，相较于传统方法提高了23.59%，相较于深度学习方法提高了6.58%。

• 单位
  上海交通大学; 华东理工大学