CPSF-Net：用于可见光-热成像微小船舶检测的置信链式、位置敏感和尺度感知融合网络

《Remote Sensing》：CPSF-Net: Confidence-Chained Position-Sensitive and Scale-Aware Fusion Network for Visible-Thermal Tiny Ship Detection

　　摘要海事安全和航行安全需求的日益增长，使得视频监控成为监视远距离船舶目标不可或缺的手段。可见光-热成像融合为应对多变天气和光照条件提供了鲁棒的解决方案；然而，微小目标对位置误差高度敏感，且由遮挡、低光照和杂乱场景引起的跨模态未对齐会进一步降低检测精度。为解决这些问题，我们提出了CPSF-Net，一种用于可见光-热成像微小船舶检测的置信链式、位置敏感和尺度感知融合网络。位置敏感多模态融合（PMF）模块通过交叉注意力增强并融合预对齐的可见光-热成像特征，同时处理可能存在的残余局部未对齐，并直接从注意力权重中推导出位置敏感的令牌级匹配置信度，无需引入额外参数。置信引导稀疏注意力（CSA）模块利用该置信度自适应地抑制冗余的跨模态相关性，并提升位置感知能力。最后，自适应尺度加权损失（SWL）根据目标尺度和匹配置信度平衡交并比（IoU）与归一化瓦瑟斯坦距离（NWD），从而在不同目标尺度上提供更稳定的定位监督。在AISail和RGBT-Tiny数据集上，CPSF-Net分别从无人水面艇（USV）和无人机（UAV）视角实现了92.1%和84.2%的mAP。这些结果表明，所提方法在具有挑战性的海洋环境中表现出稳定的性能。