国防科技大学 | DNANet：用于红外小目标检测的密集嵌套注意力网络

论文标题：Dense Nested Attention Network for Infrared Small Target Detection

论文链接：https://arxiv.org/abs/2106.00487

代码链接：https://github.com/YeRen123455/Infrared-Small-Target-Detection

作者单位：国防科技大学 & 中山大学

表现SOTA！性能优于MDvsFA、ALCNet等网络，还创建了新的红外小目标数据集：NUDT-SIRST。 

单帧红外小目标 (SIRST) 检测旨在将小目标与杂乱背景分离。随着深度学习的进步，基于 CNN 的方法由于其强大的建模能力，在通用目标检测方面取得了可喜的成果。然而，现有的基于 CNN 的方法不能直接应用于红外小目标，因为其网络中的池化层可能导致深层目标丢失。为了解决这个问题，我们在本文中提出了一个密集嵌套注意网络（DNANet）。具体来说，我们设计了一个密集嵌套交互模块（DNIM）来实现高级和低级特征之间的渐进式交互。通过DNIM中的重复交互，可以保持深层的红外小目标。基于DNIM，我们进一步提出了一个级联通道和空间注意力模块（CSAM）来自适应地增强多级特征。使用我们的 DNANet，可以通过重复融合和增强很好地合并和充分利用小目标的上下文信息。此外，我们开发了一个红外小目标数据集（即NUDT-SIRST）并提出了一套评估指标来进行综合性能评估。在公共数据集和我们自主开发的数据集上的实验证明了我们方法的有效性。与其他最先进的方法相比，我们的方法在检测概率 (Pd)、误报率 (Fa) 和联合交集 (IoU) 方面取得了更好的性能。 

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