概要: 赤外線目標検出（IRSTD）のタスクは、野外救助や海上捜索といった分野で重要な応用を持っています。しかし、赤外線目標の検出は、コントラストが低く、複雑な背景に紛れ込みやすいために困難です。これにより、目標が効果的にカモフラージュされてしまいます。さらに、同様の特徴を持つ他の物体（ディストラクタ）が誤警報を引き起こし、検出性能をさらに低下させます。これらの課題に対処するため、本論文では新しい extbf{C}amouflage-aware extbf{C}ounter- extbf{D}istraction extbf{Net}work（CCDNet）を提案します。本手法では、目標と背景を正確に表現するために、自己条件付けされた多層の特徴を集約するWeighted Multi-branch Perceptrons（WMPs）を用いたバックボーンを設計します。これらの豊富な特徴に基づき、さらに、浅い／深い特徴マップから構造・意味を洗練するための新しい Aggregation-and-Refinement Fusion Neck（ARFN）を提案し、目標と背景の関係を双方向に再構成します。これにより、複雑な背景を抑制しつつ目標を強調して、検出精度を向上させます。加えて、新しい Contrastive-aided Distractor Discriminator（CaDD）を提示します。これは、実際の目標と背景の間で局所的・全体的の両方において適応的な類似度計算を強制し、ディストラクタをより正確に識別できるようにすることで、誤警報率を低減します。赤外線画像データセットに対する大規模な実験により、CCDNetが他の最先端手法を上回ることが確認されています。
CCDNet：赤外線小型目標検出における攪乱物に対するカモフラージュを検出する学習
arXiv cs.CV / 2026/4/1
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、赤外線小型目標検出に対してCCDNetを提案し、主に2つの課題に焦点を当てる：複雑な背景に溶け込むことで目標をカモフラージュすること、そして誤警報を引き起こす攪乱物（distractors）。
- CCDNetは、自己条件付けされたマルチレベル特徴を集約して目標/背景の表現をより良くするために、Weighted Multi-branch Perceptron（WMP）バックボーンを用いる。
- 混合物（背景）を抑制するために、浅い/深い特徴マップを洗練（refine）し、目標–背景の関係を双方向に再構成する Aggregation-and-Refinement Fusion Neck（ARFN）を導入する。
- True targets（真の目標）と見た目が類似した攪乱物をより良く識別するために、新しい Contrastive-aided Distractor Discriminator（CaDD）を追加する。ここでは適応的な局所/大域の類似度計算により識別性を高める。
- 赤外線画像データセットでの実験により、CCDNetが既存の最先端手法を上回ると報告されている。
