[论文解读] Dense Nested Attention Network for Infrared Small Target Detection

Boyang Li, Chao Xiao+6 more|arXiv (Cornell University)|Jun 1, 2021

Infrared Target Detection MethodologiesEngineering被引用 22

一句话总结

该论文提出了一种用于红外小目标检测的密集嵌套注意力网络（DNA-Net），通过三向密集嵌套交互模块（DNIM）和级联通道-空间注意力机制，实现渐进式、多层级特征融合与增强，从而在深层网络中保留小目标特征。该方法在公开数据集及新引入的大规模数据集（NUDT-SIRST）上均实现了最先进性能，检测概率、误报率和IoU指标均优于先前方法。

ABSTRACT

Single-frame infrared small target (SIRST) detection aims at separating small targets from clutter backgrounds. With the advances of deep learning, CNN-based methods have yielded promising results in generic object detection due to their powerful modeling capability. However, existing CNN-based methods cannot be directly applied for infrared small targets since pooling layers in their networks could lead to the loss of targets in deep layers. To handle this problem, we propose a dense nested attention network (DNANet) in this paper. Specifically, we design a dense nested interactive module (DNIM) to achieve progressive interaction among high-level and low-level features. With the repeated interaction in DNIM, infrared small targets in deep layers can be maintained. Based on DNIM, we further propose a cascaded channel and spatial attention module (CSAM) to adaptively enhance multi-level features. With our DNANet, contextual information of small targets can be well incorporated and fully exploited by repeated fusion and enhancement. Moreover, we develop an infrared small target dataset (namely, NUDT-SIRST) and propose a set of evaluation metrics to conduct comprehensive performance evaluation. Experiments on both public and our self-developed datasets demonstrate the effectiveness of our method. Compared to other state-of-the-art methods, our method achieves better performance in terms of probability of detection (Pd), false-alarm rate (Fa), and intersection of union (IoU).

研究动机与目标

• 解决红外小目标在深层CNN层中因池化操作而丢失的问题。
• 通过渐进式、重复融合高低层特征，增强小目标的特征表示能力。
• 构建一个大规模、多样化的红外小目标检测数据集（NUDT-SIRST），以支持在真实场景下的稳健评估。
• 提出一套专为红外小目标检测设计的综合评估指标。
• 证明通过合成图像进行数据增强可降低对昂贵真实世界数据的依赖，同时提升模型泛化能力。

提出的方法

• 提出一种密集嵌套交互模块（DNIM），以三向全连接嵌套结构连接编码器与解码器的所有层，实现多次多层级特征交互。
• 引入级联通道与空间注意力模块（CSAM），通过建模通道与空间维度之间的依赖关系，自适应地增强多尺度特征。
• 采用特征金字塔融合模块（FPFM）聚合多层特征，结合低层细节与高层语义信息，实现鲁棒检测。
• 设计一种新型训练策略，使用真实与合成红外图像混合数据集，以提升模型泛化能力并降低数据采集成本。
• 通过在解码器多个层级的检测头施加多尺度监督，保留训练过程中小目标的特征表示。
• 采用结合二元交叉熵损失与Dice损失的混合损失函数，以优化分割性能。

实验结果

研究问题

• RQ1 密集嵌套架构是否能有效保留深层卷积层中的小目标特征，防止因下采样导致的丢失？
• RQ2 级联通道与空间注意力在多大程度上改善了红外小目标的特征表示？
• RQ3 与最先进方法相比，所提出的DNA-Net在公开数据集与新收集数据集上的表现如何？
• RQ4 合成红外小目标图像是否能有效增强真实数据，提升模型泛化能力并降低标注成本？
• RQ5 所提出的评估指标集是否更准确地反映了红外小目标检测系统在复杂真实场景下的性能？

主要发现

• 在使用真实与合成图像混合数据集进行训练时，DNA-Net在NUAA-SIRST测试集上达到77.47%的IoU、98.48%的检测概率和4.223×10⁻⁶的误报率。
• 消融实验表明，移除特征金字塔融合模块（FPFM）后，IoU下降0.83%，误报率上升1.81×10⁻⁶，证明其在性能中的关键作用。
• 移除最深层（L5）的特征导致IoU下降0.23%，误报率上升3.01×10⁻⁶，表明深层特征对小目标检测至关重要。
• 仅使用16.2%真实图像的混合数据集训练，即可达到与全真实数据训练相当的性能，显著降低数据采集成本，同时保持高精度。
• 网络在真实图像上的输出在形状分割精度上超过人工标注的真值掩码，表明其能从高质量标注的合成数据中学习到更优的特征。
• NUDT-SIRST数据集包含多样化的目标尺寸、形状和杂乱背景，相比现有基准，可实现更全面的评估。