MFEFNet：一种高效的网络，用于红外小目标检测，结合多视图特征提取和多尺度注意力融合技术

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：MFEFNet: An Efficient Network for Infrared Small Target Detection with Multi-View Feature Extraction and Multi-Scale Attention Fusion

　　

摘要：

红外小型目标检测（IRSTD）仍然是遥感领域中的一个核心挑战，主要由于信噪比低、目标尺寸小、背景干扰以及大范围的变化。尽管现有方法已经取得了一定的进展，但它们仍然存在传统卷积表示能力有限、特征增强不足以及多尺度特征融合不够的问题，这些限制了检测性能和实际应用。为了解决这些问题，本文提出了一种专门的多方面特征提取与融合网络（MFEFNet）。该框架通过三个创新组件系统地应对了上述挑战：多形状感受野提取模块（MSRFEM）、空间-通道-全局-局部联合重提取模块（SCGLJRM）和多尺度交叉注意力机制（MSCAM）。具体来说，MSRFEM利用扩张的可变形卷积和Res2架构来适应性地捕获多尺度和多形状的目标特征以及局部相关的特征；SCGLJRM通过级联的局部空间-局部通道（LL）、局部空间-全局通道（GC）和全局空间-局部通道（LC）子模块，跨越空间和通道维度增强全局上下文建模；MSCAM通过在特征图集成之前进行相关矩阵转置和融合，消除了基于Transformer的交叉注意力中特征融合的不平衡，从而加强了不同尺度上独特信息与共享信息之间的相互增强。值得注意的是，MFEFNet打破了固定输入图像分辨率的限制，支持使用任意大小的图像进行灵活的训练和推理。在SIRST、IRSTD-1K和NUDT-SIRST数据集上进行的广泛实验一致验证了MFEFNet在检测精度上优于众多最先进（SOTA）方法，并保持了强大的性能...

显示更多