SR-DETR：融合超分辨率与多尺度特征增强的红外小目标实时检测算法

1. 红外小目标检测的挑战与突破

红外小目标检测一直是计算机视觉领域的难点问题。想象一下，在漆黑的夜晚用热成像仪寻找几百米外的一只飞鸟——目标可能只有几个像素大小，却要对抗复杂背景、大气干扰和传感器噪声的多重干扰。传统方法就像用渔网捞针，要么漏检，要么误报。

低分辨率与特征缺失是首要难题。红外传感器受限于物理特性，成像分辨率远低于可见光。一个3×3像素的目标，经过常规卷积神经网络（CNN）的多次下采样后，关键特征几乎消失殆尽。我曾尝试用YOLOv5直接处理红外图像，小目标召回率不足30%，大量目标被背景噪声淹没。

实时性要求让问题雪上加霜。无人机巡检、自动驾驶等场景需要毫秒级响应。Transformer类模型虽然精度高，但计算复杂度成倍增长。实测中，原始DETR处理640×480图像需120ms，而实际应用要求必须控制在20ms以内。

多尺度特性更令人头疼。同一场景可能同时存在距离不同的目标：近处车辆占据上百像素，远处无人机可能只有4×4像素。传统检测器使用固定感受野，就像用同一把尺子测量微观和宏观世界，必然顾此失彼。

针对这些痛点，SR-DETR带来了三重革新：

• 超分辨率预处理：采用改进的EDSR网络，将输入图像分辨率提升4倍。这相当于给模糊目标"戴上眼镜"，实测显示3×3像素目标经处理后可达12×12像素，特征丰富度提升16倍
• 多尺度特征增强：在骨干网络嵌入EMA-VSS模块，通过状态空间模型捕获长程依赖，配合局部卷积保留细节。就像同时使用显微镜和望远镜观察目标
• 轻量化设计：采用跳跃采样和空洞卷积策略，将计算复杂度从O(N²)降至O(N)。在RTX 3090上实测推理速度达到156FPS，比原版DETR快8倍

提示：超分辨率模块需要单独预训练，建议先在COCO数据集上训练EDSR，再用红外数据微调，避免过拟合