红外小目标检测（Infrared Small Target Detection, ISTD）

论文作者：Yahao Lu,Yuehui Li,Xingyuan Guo,Shuai Yuan,Yukai Shi,Liang Lin

作者单位：Guangdong University of Technology;Southern Power Grid, Ltd;Xidian University;Sun Yat-sen University

论文链接：http://arxiv.org/abs/2504.16487v1

项目链接：https://github.com/luy0222/RealScene-ISTD

内容简介：

1）方向：红外小目标检测（Infrared Small Target Detection, ISTD）

2）应用：红外小目标检测（Infrared Small Target Detection, ISTD）

3）背景：红外小目标检测高度依赖于传感器类型、观测条件和目标本身的特性，这些因素容易引起不同数据集之间的分布差异，即所谓的“领域偏移（domain shift）”。这种分布不一致严重影响了现有检测模型在多场景下的泛化能力。

4）方法：为解决领域偏移问题，提出一个结合领域自适应的红外小目标检测框架。具体方法包括：跨视角通道对齐（Cross-view Channel Alignment, CCA），用于缓解数据集之间的分布差异，实现跨样本对齐；跨视角Top-K特征融合（Cross-view Top-K Fusion），融合目标与背景的多样信息，增强关键特征提取能力；噪声引导表示学习（Noise-guided Representation Learning），提升模型对噪声的鲁棒性，从而增强在多噪声域下的泛化效果。此外，研究者还构建了一个新的真实场景红外小目标检测数据集——RealScene-ISTD。

5）结果：与现有最先进方法相比，该方法在检测概率（Pd）、虚警率（Fa）和交并比（IoU）等指标上表现更优，展示出更强的跨域鲁棒性与检测精度。代码：https://github.com/luy0222/RealScene-ISTD。