红外小目标检测的基于模型驱动的深度网络

摘要——为了缓解纯数据驱动方法中最小固有特征的问题，在本文中，我们提出了一种新的基于模型驱动的深度网络，用于红外小目标检测，它结合了区分性网络和传统的模型驱动方法，利用标记数据和领域知识。通过设计特征图循环移位方案，我们将传统的局部对比度测量方法模块化为一个端到端网络中的深度参数无关的非线性特征细化层，它具有明确的物理可解释性，编码相对长范围的上下文交互。为了突出和保留小目标特征，我们还利用自下而上的注意力调节，将低层特征的较小尺度细节整合到更深层次的高层特征中。我们进行了详细的消融研究，以验证我们网络架构中每个组件的设计的有效性和效率。我们还将我们的网络与其他模型驱动方法和深度网络在开放的SIRST数据集上进行了比较。结果表明，我们的网络比竞争对手表现更出色。我们的代码，训练模型和结果都可在线获得。