BWNet：一种用于红外小目标检测中层次化特征交互的桥接W形网络

《Neurocomputing》：BWNet: A bridged w-shaped network for hierarchical feature interaction in infrared small target detection

　　摘要：红外小目标检测面临诸多挑战，这是因为目标尺寸本就较小，且结构特征不明显。传统卷积神经网络在初始层对噪声敏感，而在深层则无法捕捉细节；而Transformer和Mamba模型虽然性能更好，但复杂度极高。为解决轻量设计与检测精度之间的平衡问题，我们提出了一种桥接型W形网络（BWNet），该网络旨在提升浅层的定位能力以及深层的语义表达能力，从而保留红外小目标的关键信息。我们的研究主要有三方面贡献：首先，我们设计了对称U-Net特征提取模块（SUFEM），通过编码器-解码器的对称交互实现多层级特征的深度协作；其次，在SUFEM内部，我们构建了轻量级分层特征增强机制，其中浅层骨干模块（SWB）通过多分支协作提升目标定位精度，深层骨干模块（DPB）则通过多路径动态融合优化语义表达，该机制在降低计算复杂度的同时保留了关键细节；最后，我们提出了自适应多层融合模块（AMLFM），用于动态调整并高效融合跨层级特征。实验结果表明，所提方法在检测精度和计算复杂度方面均优于现有方法，通过对三个红外数据集的可视化对比进一步验证了其有效性。

引言：红外小目标检测技术具有极高的隐蔽性、较远的检测范围以及出色的全天候工作能力，广泛应用于空中预警[1]和海上救援[2]等领域。根据[3]的研究，红外小目标的尺寸通常小于81像素。如图1所示，由于成像距离和像素比例的限制，红外小目标的纹理和结构信息较为有限，容易被复杂背景遮挡。因此，红外小目标检测技术面临着巨大挑战。目前的研究多采用模型驱动方法和深度学习方法来克服这些难题。模型驱动方法主要分为三类：首先是基于滤波的方法，通过设计与目标特征匹配的滤波核来增强候选区域；其次是基于局部对比度的方法，利用目标与其周围背景的显著性差异实现检测；第三是基于低秩建模的方法，通过将数据分解为低秩背景成分和稀疏目标成分，从不同角度提高目标与背景的分离度[4],[5],[6],[7],[8]。然而，由于模型驱动方法依赖人工设计且需要专业知识，其在复杂场景以及目标尺寸变化较大的情况下容易出现误检和漏检问题[9],[10]。近年来，得益于深度学习强大的特征表示能力，模型驱动方法的性能限制得到了显著改善。不过，现有深度学习模型直接应用于检测时的精度仍不尽如人意[11],[12]。为更有效地适应红外小目标的特点，[13]方法采用了U-Net[14]架构来实现高层与浅层信息的交互，为红外小目标检测带来了突破。但增加网络层数不仅会提升计算难度，还可能使小目标被遗漏。为解决这些问题，DNANet[15]通过设计三层密集嵌套架构提升了红外小目标的检测性能。随着Transformer的出现，RKformer[16]首次将Transformer结构引入红外小目标检测领域，并结合U-Net设计，取得了新的突破。为应对Transformer带来的额外计算需求，MiM-ISTD[17]方法首先运用Mamba结构的嵌套思想提取局部与全局特征，并将其应用于红外小目标检测，取得了较为理想的成果。尽管在现有深度学习方法的嵌入式应用方面已取得初步进展，但单纯增加网络复杂度带来的精度提升并不利于实际应用。为此，一些学者开始关注卷积操作本身。例如，有研究[18]提出了一种可替代浅层骨干块中标准卷积的PCConv模块，能够在保持参数最少的情况下扩大感受野。不过，使用参数更少的卷积神经网络时需注意几个关键问题：首先，虽然网络的浅层包含目标细节和边缘信息，但其感受野有限且易受噪声干扰，在缺乏纹理和结构信息的红外小目标图像中，很容易出现误检；其次，网络的深层虽包含丰富的语义信息，但由于多次下采样会导致红外小目标的细粒度细节丢失，使得模型难以准确判断目标位置，进而容易引发漏检和像素偏移问题。更重要的是，为了同时获取丰富的浅层和深层信息，现有网络往往通过堆叠复杂模块或加深网络连接结构来提升检测性能[15],[19],[20]，但这不仅会增加冗余参数和计算成本，还会影响实时检测性能[21],[22]。因此，在复杂场景下，如何实现轻量级网络与高检测精度之间的平衡仍然是一个难题。为此，我们基于密集嵌套架构[15]，提出了一种轻量且改进型的桥接型W形网络（BWNet）方法。借鉴医学影像领域的CU-Net[23]和DoubleU-Net[24]，我们的方法从网络结构设计、网络骨干设计以及特征融合设计三个关键方面针对红外小目标检测任务进行了优化。其网络结构设计采用两个U-Net实现特征的连续传递与语义增强，同时通过两个U-Net中间层的特征桥实现跨U-Net的信息交互，从而在保持信息交互的同时降低密集嵌套网络结构的复杂度。网络骨干设计则注重浅层和深层特征的特征提取能力，通过设计不同的提取骨干模块实现细节与语义的双向增强机制：在浅层，采用大核深度卷积扩大感受野并提升感知能力[25]，同时增强过滤噪声的能力，更精准地捕捉小目标的空间位置；在深层，则侧重于提取语义信息，同时捕获目标位置信息，以最小化小目标的信息丢失。特征融合架构则通过轻量级卷积和通道注意力机制，动态调整各层特征中重要信息的权重，实现局部细节与全局语义之间的动态平衡。这种设计大幅降低了模型参数，提高了红外小目标的检测精度，同时有效解决了浅层定位误差和深层信息丢失的问题。综上，我们的主要贡献如下：•我们提出了具有对称U-Net架构的BWNet，可实现特征的连续传递与语义增强；•针对该架构，我们设计了浅层骨干模块（SWB），用于增强抑制背景噪声的能力、扩大感受野并精准捕捉小目标的空间位置；同时设计了深层骨干模块（DPB），旨在提取更丰富的语义特征，以提高位置识别精度，并解决红外小目标检测中的信息丢失问题；•此外，我们还设计了AMLFM模块，通过自适应调整各层特征的相关性权重，实现局部细节与全局语义之间的动态平衡；•我们使用三个公开的测试数据集对所提方法进行了验证。与以往方法相比，本研究在降低模型复杂度和计算成本的同时，保持了最优的检测性能。

模型驱动方法：模型驱动方法主要包括基于滤波、基于局部对比度和基于低秩三种基本类型。基于滤波的方法通过增强目标特征并抑制背景来提高红外小目标的检测能力，Top-hat[7]和Max-Median[6]就是典型的例子。基于低秩的方法则将红外图像视为稀疏目标与低秩背景的叠加，再通过鲁棒的主成分分析来区分两者。

整体架构：如图2所示，我们所提方法的整体架构由三个部分组成：对称U-Net特征提取模块、自适应多层融合模块以及检测模块。其中，对称U-Net特征提取模块是一种基于密集嵌套架构的轻量级增强模块，它利用各层特征的特点提高目标定位精度，减少噪声干扰，并降低模型复杂度。具体而言，该网络由……

数据集：我们所提方法使用了NUDT-SIRST[15]、IRSTD-1k[46]和SIRST-Aug[19]这三个数据集进行验证。NUDT-SIRST数据集中包含1327张具有真实和合成背景的多目标图像，其五个不同场景中的目标平均尺寸在5到98像素之间。由于该数据集最适合检测小型目标，因此是我们研究的主要数据集，训练数据与测试数据的比例为……IRSTD-1k数据集包含1001张真实的红外图像，涵盖了六个不同的场景。

讨论：尽管所提方法在性能与模型复杂度之间实现了良好的平衡，在遥感小目标检测和医学病灶分割任务中都取得了不错的效果，但仍存在一定的局限性。如图11所示，黄色边界框表示误检，蓝色边界框则表示正确检测结果。在信噪比较低且目标尺寸极小的场景中，误检现象更为常见。

结论：本文提出了一种轻量级的BWNet网络架构，旨在解决红外小目标检测中的关键问题。通过三项创新设计，BWNet成功实现了检测性能与计算效率的平衡：SUFEM模块实现了全面的多层级特征交互；SUFEM内部的分层特征增强机制包括用于精确定位的SWB模块和用于语义优化的DPB模块，从而确保特征表示的稳定性；AMLFM模块则能够……