计算机应用

作者：边小勇, 胡其仁

单位：1.武汉科技大学 计算机科学与技术学院，武汉 430065；2.武汉科技大学 大数据科学与工程研究院，武汉 430065；3.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），武汉 430065

关键词：深度学习,小目标检测,注意力U-Net,中心差分卷积,对比学习

基金：国家自然科学基金资助项目(62372343)

红外小目标检测（IRSTD）是目标检测领域中的研究热点和难点，具有像素小、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-Net为基本框架，在编码阶段提出一种融合频率注意力（FA）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。实验结果表明，在IRSTD-1k和NUAA-SIRST数据集上，所提方法的检测率（Pd）分别达到96.63%和100.00%，与密集嵌套的注意力网络（DNA-Net）相比，分别提高了4.71和1.90个百分点。可见，所提方法有效提高了IRSTD性能。

来源：2025年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第11期