IR-WSANet：一种轻量级网络，采用频率-空间联合优化技术用于红外小目标检测

《Scientific Reports》：IR-WSANet: A lightweight network with frequency-spatial joint optimization for infrared small target detection

　　

摘要

红外小目标检测（IRSTD）在军事行动、预警与监视、航空航天等领域具有重要的应用价值。然而，传统的检测方法面临小目标像素尺寸小、背景噪声强以及红外图像特征稀疏等挑战，导致检测精度和鲁棒性不足。本文提出了一种基于改进版YOLOv10的轻量级网络IR-WSANet，通过频域-空间联合优化策略提升了红外小目标的检测性能。首先，将离散小波变换卷积（DWaveletConv）引入主干网络，并通过多频段特征分解增强高频细节与低频语义的融合效果，以抑制噪声干扰。其次，设计了一个协作模块（POS-SHSA），该模块将POSConvEmbedding与部分通道单头自注意力机制（SHSA）相结合，利用局部空间特征和全局上下文信息提高小目标的定位精度。实验验证了该模型在SIDD和HIT-UAV数据集上的有效性：IR-WSANet在SIDD-City、SIDD-Mountain和HIT-UAV数据集上的mAP分别达到了97.2%、82.6%和82.8%，比基线YOLOv10高出2.8%至14.1%；同时最高F1分数提升了14.8%，并且保持了较低的计算成本（27.9 GFLOPs）和实时性能（42.8 FPS）。结果表明，IR-WSANet通过频域滤波增强与空间-通道双注意力机制的结合，在复杂场景中显著提升了红外小目标的检测性能。