選択的注意に基づくネットワークによる堅牢な赤外線小目標検出

arXiv cs.CV / 2026/5/5

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、赤外線小目標検出（IRSTD）を対象にしており、暗くてサブピクセル規模の目標が高い雑音（クラッタ）を含む背景に埋もれることで、信号対クラッタ比が低くなり誤警報が頻発する問題に焦点を当てています。
先行するエンコーダ・デコーダ型モデルには、初期畳み込み段階での情報ボトルネックと、真の目標と疑似目標領域を適応的に区別できない固定的なスキップ接続という2つの限界があると述べています。
提案手法SANetはU-Netを基盤にし、Dual-path Semantic-aware Module（DSM）として、局所の空間詳細を保持する畳み込みと、方向に敏感な受容野を持つピンホイール型畳み込みを組み合わせ、さらにCBAMで空間・チャネルの特徴再調整を行います。
さらに、従来の静的なスキップ接続をSelective Attention Fusion Module（SAFM）に置き換え、空間的に適応可能な学習可能重み付けにより、文脈に応じたマルチスケール特徴融合を実現します。
全体として、特徴抽出と融合をより動的に識別的にすることで、微細な目標認識を高め、誤検出を減らすことを狙っています。

\emph{Dual-path Semantic-aware Module}（DSM）：局所的な空間的詳細の保持のための標準畳み込みと、拡張され、方向に敏感な受容野を実現する「凧（ピンホイール）状」の畳み込みを統合し、その後に、きめ細かな空間チャネル特徴の再調整のための畳み込みブロック注意モジュール（CBAM）を適用します。（2）
\emph{Selective Attention Fusion Module}（SAFM）：従来の静的スキップ結合を、状況に応じた文脈認識的なクロススケール特徴融合を行うための、空間的に適応可能な学習可能な重み付けメカニズムで置き換えます。