红外小目标检测的轻量级卷积神经网络 TBC-Net

摘要—红外小目标检测是红外搜索和跟踪(IRST)系统中的关键技术。尽管深度学习最近已被广泛用于可见光图像的视觉任务中，但由于学习小目标特征的困难，它很少用于红外小目标检测。本文提出了一种新颖的轻量级卷积神经网络 TBC-Net 用于红外小目标检测。TBC-Net 由目标提取模块 (TEM) 和语义约束模块 (SCM) 组成，用于从红外图像中提取小目标并分类提取的目标图像。同时，我们提出了联合损失函数和训练方法。SCM 通过结合高级分类任务对 TEM 施加语义约束，并解决由于类别不平衡问题引起的学习特征困难的问题。在训练过程中，从输入图像中提取目标，然后由 SCM 对其进行分类。在推理过程中，只使用 TEM 来检测小目标。我们还提出了数据合成方法来生成训练数据。实验结果表明，与传统方法相比，TBC-Net 可以更好地减少复杂背景引起的误报，所提出的网络结构和联合损失对小目标特征学习有显着改进。