PulseAugur
中
实时 15:02:03
English(EN) SCR-Guided Difficulty-Aware Optimization for Infrared Small Target Detection

新框架利用SCR先验增强红外小目标检测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为REEM（重加权显式可见性增强调制）的新框架，以改进红外小目标检测。该方法在训练期间将信杂比（SCR）作为先验信息，并使用可微分调制来增强低可见度目标的学习信号。REEM无缝集成到现有的基于U-Net的MSHNet架构中，无需添加参数或增加推理时间。实验表明，REEM能够持续提高检测精度并减少误报，尤其是在具有挑战性的低可见度场景下。 AI

影响 这项研究为提高红外小目标检测系统的准确性和可靠性提供了一种新颖的方法。

排序理由 这是一篇详细介绍特定计算机视觉任务新技术框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Behçet Uğur Töreyin ·

    用于红外小目标检测的SCR引导式难度感知优化

    Infrared small target detection remains challenging due to severe background clutter, low contrast, and weak spatial responses where geometric overlap alone is insufficient to characterize detection quality. In this work, we propose REEM (Reweighted Explicit-visibility Enhanced M…

相关实体

相关话题