英文翻译中文英文原文：Abstract—Single-frame infrared small target SIRST detection aims at separating small targets from clutter backgroundsWith the advances of deep learning CNN-based methods haveyielded promisi

摘要——单帧红外小目标（SIRST）检测旨在将小目标与杂波背景分离开来。随着深度学习的进步，基于卷积神经网络（CNN）的方法由于其强大的建模能力，在通用物体检测方面已经取得了有希望的结果。然而，现有的基于CNN的方法不能直接应用于红外小目标，因为其网络中的池化层可能导致深层中的目标丢失。为了解决这个问题，本文提出了一种密集的嵌套注意力网络（DNANet）。具体而言，我们设计了一个密集的嵌套交互模块（DNIM），以实现高级和低级特征之间的渐进交互。通过DNIM中的反复交互，深层中的红外小目标可以得到保留。基于DNIM，我们进一步提出了一个级联的通道和空间注意力模块（CSAM），以自适应地增强多级特征。通过我们的DNANet，小目标的上下文信息可以通过重复的融合和增强得到很好地整合和充分利用。此外，我们开发了一个红外小目标数据集（即NUDT-SIRST），并提出了一组评估指标，以进行全面的性能评估。在公共和我们自己开发的数据集上的实验表明了我们方法的有效性。与其他最先进的方法相比，我们的方法在检测概率（Pd）、误报率（Fa）和联合交集（IoU）方面表现更好。