基于记忆池的红外序列小目标检测

摘要

为了缓解数据稀缺问题，收集并标注了两个红外跟踪的数据集用于序列小目标检测，命名为ATR-ISTD、UAV-ISTD;提出了一种融入记忆池的序列小目标检测网络，有效利用前后帧关联信息，通过查询帧与记忆帧之间的记忆匹配读取内存信息，解决红外小目标检测在高杂波背景下的高虚警和低准确率的问题。针对下采样造成的小目标特征丢失问题，设计了前向语义引导融合模块（pre-semantic guided fusion module, PSGF）来整合不同尺度特征；在记忆向量编码器中设计了伪标签引导的特征增强模块（pseudo label guided feature enhancement module, PLG-FE）来强化小目标的局部特征表达能力。实验结果表明，与当前主流单帧目标检测方法相比，提出的方法在降低虚警率方面取得了显著成效，分别在ATR-ISTD和UAV-ISTD数据集上实现了16.87%和10.49%的改善，在目标级F₁上提高了4.89%和6.54%,在像素级F₁上提高了7.69%和11.63%。

关键词

红外图像 / 小目标检测 / 记忆池 / 特征增强 / 特征融合