实验室研究生胡晨等在IEEE GRSL发表了题为“DATransNet: Dynamic Attention Transformer Network for Infrared Small Target Detection”的研究论文，提出了一种基于动态注意力机制的红外小目标检测技术，取得了公开测试数据集上相对优越的检测性能。
1. 论文简介
红外小目标检测（ISTD）广泛应用于民用和军事领域，但由于暗弱目标常因复杂背景而难以识别或被漏检。为了解决这一问题，文章提出了动态注意力变换网络（DATransNet），旨在提取并保留对小目标至关重要的细节信息。DATransNet采用动态注意力（DATrans），通过模拟中心差分卷积（CDC）来提取梯度特征。此外，文章提出了全局特征提取模块（GFEM），提供全局视角，以防止网络仅关注细节而忽视全局信息。与多种主流方法的对比实验结果表明，所提出的网络在检测精度与背景抑制方面均优于现有方法。
2. 方法原理
论文的方法原理和主要模块具体包括：
1）通过梯度卷积，将空间差分信息映射到通道维度；
2）利用通道注意力生成通道权重；
3）通过通道权重对特征进行加权融合。
图1. DATransNet 原理
文章还设计了一个GFEM模块，通过全局注意力机制实现全局感知。
图2. GFEM模块
最后，将DATrans和GFEM模块集成至U-Net架构中，构建了完整的DATransNet，如图3所示。
图3. DATransNet结构图
3. 实验结果
将DATransNet网络与多种SOTA方法进行了数值和可视化结果的对比，如图4所示，DATransNet网络在检测效果和背景抑制方面表现优异。
图4. 与SOTA方法的性能对比