航空早期警戒分野において、赤外線微小目標検出技術は遠距離全天候戦場認識に不可欠です。複雑な背景下で赤外線微小目標の画素割合が少なく特徴が乏しいことによる目標検出確率の低さや誤警報率の高さの問題に対して、時空間3次元畳み込みネットワークに基づく複雑背景下の赤外線微小目標検出方法を提案しました。本方法では2次元畳み込みと3次元畳み込みを組み合わせた特徴抽出バックボーンを提案し、空間テクスチャ特徴およびフレーム間運動特徴を組み合わせて目標構造と時系列変化を協調的に感知します；赤外線微小目標の特性に着目し、局所コントラストモジュールを設計し受容野を拡大し特徴を強化します；非対称注意機構を導入し特徴融合を行いテクスチャ情報と位置情報の保持を増加させます；最後に点回帰損失関数により検出結果を算出します。公開データセットおよび自作データセットにて学習とテストを実施しました。結果は改善されたアルゴリズムが既存の赤外線微小目標検出ネットワークと比較してリコール率を7.52％以上、平均精度を6.46％以上向上させることを示しています。複雑な背景における赤外線微小目標検出に効果的に応用可能であり、良好な頑健性と適応性を示しています。

赤外線微小目標;深層学習;目標検出;時空間3次元畳み込み