多注意力对比学习的红外小目标检测

作     者：边小勇 胡其仁 袁培洋 

作者机构：武汉科技大学计算机科学与技术学院 武汉科技大学大数据科学与工程研究院 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) 

出 版 物：《计算机应用》 (Journal of Computer Applications)

年 卷 期：2025年

学科分类：080901[工学-物理电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080203[工学-机械设计及理论] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 0803[工学-光学工程] 

基　　金：国家自然科学基金资助项目(62372343) 

主　　题：深度学习 小目标检测 注意力U型网络 中心差分卷积 对比学习 

摘      要：红外小目标检测(IRSTD)是目标检测领域中的研究热点和难点，受其像素小、对比度低和无纹理的特性，难以从小目标有限和扭曲的信息中学习正确的特征表示，因此IRSTD方法依然面临挑战。针对以上问题，提出多注意力对比学习的IRSTD方法。首先，采用U型网络(U-Net)为基本框架，在编码阶段提出一种融合频域注意力和空间注意力的上下文混合块(CMB)，产生初级注意力特征图；其次，在解码阶段设计了多核中心差分卷积(MKCDC)，用于提取小目标在不同尺度下都稳定表征的核心信息；最后，联合二元交叉熵损失和对比损失函数训练小目标检测网络，提高小目标特征表示能力，得到富于判别的小目标检测模型。所提方法在IRSTD-1k、NUAA-SIRST两个数据集上的检测率(Pd)分别达到96.63%和100.00%，与密集嵌套的注意力网络（DNANet）相比，分别提高了4.71%和1.90%。实验结果表明，所提方法有效提高了红外小目标检测性能。