英文翻译中文英文原文：Infrared small target detection is a research core of infrared image processing and machine vision that is widelyapplied to civil and military felds Although the accuracy and effciency of i

红外小目标检测是广泛应用于民用和军事领域的红外图像处理和机器视觉的研究核心。尽管近年来红外小目标检测的准确性和效率得到了显着提高，但由于红外小目标通常具有小尺寸和弱信号，并且被背景淹没，因此在复杂场景中存在漏检和误报的问题。为了解决上述问题，本文提出了一种使用坐标注意力和特征融合的红外小目标检测方法，称为CAFF-Net。首先，我们提出了一种深浅特征融合策略，以提高检测概率，捕捉小目标的低级结构和纹理特征以及高级语义信息，避免漏检。其次，我们采用坐标注意力机制，在特征图中突出目标显著性并抑制背景干扰，能够降低复杂场景下的误报率。第三，我们贡献了一个名为NCHU-SIRST的真实世界红外小目标数据集。构建的数据集包括273个训练帧和317个测试帧，并为各种具有不同场景的红外小目标检测方法提供了全面的比较。最后，我们在NCHU-SIRST数据集上运行我们的方法，与一些现有的传统和深度学习的红外小目标检测方法进行比较。实验结果表明，所提出的CAFF-Net方法在可比较的方法中表现出色，尤其是在复杂场景下具有高检测概率和低误报率。