[논문 리뷰] AGPCNet: Attention-Guided Pyramid Context Networks for Infrared Small Target Detection

Tianfang Zhang, Siying Cao외 2명|arXiv (Cornell University)|2021. 11. 05.

Infrared Target Detection Methodologies참고 문헌 39인용 수 46

한 줄 요약

AGPCNet는 Attention-Guided Context 아키텍처를 다중-스케일 피라미드 컨텍스트 및 비대칭 융합과 함께 도입하여 MDFA 및 SIRST Aug 데이터셋에서 적외선 소형 타겟 탐지에 대한 최첨단 성능을 달성합니다.

ABSTRACT

Infrared small target detection is an important problem in many fields such as earth observation, military reconnaissance, disaster relief, and has received widespread attention recently. This paper presents the Attention-Guided Pyramid Context Network (AGPCNet) algorithm. Its main components are an Attention-Guided Context Block (AGCB), a Context Pyramid Module (CPM), and an Asymmetric Fusion Module (AFM). AGCB divides the feature map into patches to compute local associations and uses Global Context Attention (GCA) to compute global associations between semantics, CPM integrates features from multi-scale AGCBs, and AFM integrates low-level and deep-level semantics from a feature-fusion perspective to enhance the utilization of features. The experimental results illustrate that AGPCNet has achieved new state-of-the-art performance on two available infrared small target datasets. The source codes are available at https://github.com/Tianfang-Zhang/AGPCNet.

연구 동기 및 목표

• clutter 및 잡음 속에서 소형 적외선 타겟의 정확한 분할을 동기화
• 글로벌 및 로컬 컨텍스트를 활용하는 데이터 기반 네트워크를 개발
• 피라미드 및 어텐션 기반 프레임워크를 제안하여 특징 융합 및 타겟 위치화를 개선

제안 방법

• Local 비지역적 연관성을 위한 패치로 특징을 분할하고 Global Context Attention(GCA)을 사용해 패치 수준의 글로벌 관계를 모델링하는 Attention-Guided Context Block(AGCB)
• Context Pyramid Module(CPM)을 통해 다중 스케일 AGCB 출력과 원래 피처 맵을 융합하여 컨텍스트 피라미드를 형성
• Asymmetric Fusion Module(AFM)은 저수준 및 심층 수준 특징을 별도 주의 경로로 적응적으로 융합하여 피처 불일치를 줄임
• Pixel attention(PA) 및 channel attention(CA)을 AFM 내에 적용하여 융합을 강화
• 입력 크기 256x256으로 MDFA 및 SIRST Aug 데이터셋에서 SoftIoU 손실 및 SGD 최적화를 사용한 학습 및 평가
• 백본 선택, CPM, AFM, 감소 비율 및 GCA 유형에 대한 제거 연구(Ablation studies)

실험 결과

연구 질문

• RQ1 적외선 소형 타겟 탐지에서 글로벌 및 로컬 컨텍스트 정보를 어떻게 효과적으로 통합할 수 있는가?
• RQ2 다중 스케일 컨텍스트 집계가 소형 타겟 분할 성능에 어떤 영향을 미치는가?
• RQ3 저수준과 심층 수준 시맨틱의 비대칭 융합이 타겟 위치화와 오탐 감소에 도움이 되는가?

주요 결과

• AGPCNet은 MDFA 및 SIRST Aug 데이터셋에서 mIoU 및 F-measure에서 최신 성능을 달성.
• abaslations에서 더 깊은 백본(ResNet-34)과 CPM 및 AFM의 포함이 탐지 정확도를 향상.
• CPM의 다중 스케일 설계가 타깃 영역에 에너지를 집중시켜 배경 간섭을 감소시키는 효과를 보임.
• GCA와 PA를 포함한 픽셀 주의 및 Patch-Wise 주의가 글로벌–로컬 융합을 향상시키는 것으로 나타남.
• AGPCNet은 합쳐진 데이터셋에서 강한 이득을 보이고, 오탐 감소로 견고한 타겟 분할을 시연합니다.