항공 조기 경보 분야에서 적외선 미약 목표 검출 기술은 장거리 전천후 전장 인지에 매우 중요합니다. 복잡한 배경에서 적외선 미약 목표 픽셀 비율이 낮고 특징이 부족하여 목표 검출 확률이 낮고 오경보율이 높은 문제를 해결하기 위해 시공간 3차원 합성곱 신경망 기반의 복잡한 배경에서 적외선 미약 목표 검출 방법을 제안했습니다. 본 방법은 2차원 합성곱과 3차원 합성곱을 결합한 특징 추출 주망을 제안하였으며, 공간 텍스처 특징 및 프레임 간 운동 특징을 결합하여 목표 구조와 시간적 변화를 협동 감지합니다; 적외선 미약 목표 특성에 맞추어 국소 대비 모듈을 설계하여 수용 영역을 확장함으로써 특징을 강화합니다; 비대칭 주의 메커니즘을 도입하여 특징 융합을 수행하고, 텍스처 정보와 위치 정보 보존을 증가시켰습니다; 마지막으로, 점 회귀 손실 함수를 통해 검출 결과를 계산합니다. 공개 데이터 세트와 자체 구축 데이터 세트에서 각각 학습 및 테스트를 수행하였습니다. 결과는 개선된 알고리즘이 기존 적외선 미약 목표 검출 네트워크에 비해 재현율을 최소 7.52%, 평균 정밀도를 최소 6.46% 향상시켰음을 보여줍니다. 복잡한 배경에서 적외선 미약 목표 검출에 효과적으로 적용 가능하며 우수한 견고성과 적응성을 나타냅니다.

적외선 미약 목표;딥러닝;목표 검출;시공간 3차원 합성곱