Attentional Local Contrast Networks for Infrared Small Target Detection 论文链接：https://arxiv.org/abs/2012.08573 代码链接：https://github.com/YimianDai/open-alcnet 作者单位：南航, 亚利桑那大学 表现SOTA！性能优于TBC-Net、GAU-FPN等网络，并创建SIRST红外小目标检测数据集，代码和数据集现已开源！

为了减轻纯数据驱动方法的最小固有特征的问题，在本文中，我们提出了一种新型的模型驱动深度网络，用于红外小目标检测，该方法将判别网络和常规模型驱动方法结合起来使用数据和领域知识。通过设计特征图循环移位方案，我们将传统的局部对比度测量方法模块化为端到端网络中的深度无参数非线性特征细化层，该层对相对长距离的上下文交互进行了编码，并具有清晰的物理可解释性。为了突出显示并保留较小的目标特征，我们还利用了自下而上的注意力机制，将low-level特征的较小尺度的细微细节集成到了较深层的高级特征中。我们对不同的网络深度进行了详细的消融研究，以凭经验验证网络体系结构中每个组件设计的有效性和效率。我们还将开放式SIRST数据集上的网络与其他模型驱动方法和深度网络的性能进行比较。结果表明，我们的网络比竞争对手具有更高的性能。我们的代码，训练有素的模型和结果可在线获得。

内容中包含的图片若涉及版权问题，请及时与我们联系删除