基于双流学习框架的红外小目标检测研究

为解决由于目标尺寸小、背景复杂等因素导致红外小目标检测精度难以提高的问题,提出一种基于双流学习框架红外小目标检测方法。将分割网络用于小目标检测,并将超分辨率任务作为辅助手段,引入共享特征注意力机制(SFAM),解决特征融合和迭代中的特征损失问题。通过在公共数据集上进行了4种不同场景的广泛实验,并以0.835的精度优于其他方法。同时,消融研究也证实了SFAM的重要性和可行性。