En el campo de la alerta aérea, la tecnología de detección de objetivos débiles y pequeños en infrarrojo es crucial para la percepción del campo de batalla a larga distancia y en todo tipo de clima. Para abordar el problema de la baja probabilidad de detección y la alta tasa de falsas alarmas causada por la poca proporción de píxeles de objetivos débiles pequeños en infrarrojo y la escasez de características en fondos complejos, se propone un método de detección de objetivos débiles pequeños en infrarrojo en fondos complejos basado en una red convolucional 3D espaciotemporal. Este método propone una red principal de extracción de características que combina convoluciones 2D y 3D, que integra características de textura espacial y características de movimiento entre cuadros para lograr una percepción cooperativa de la estructura del objetivo y los cambios temporales; para las características de los objetivos débiles pequeños en infrarrojo, se diseñó un módulo de contraste local para ampliar el campo receptivo y así fortalecer las características; se introdujo un mecanismo de atención asimétrico para la fusión de características, aumentando la retención de información de textura y posición; finalmente, los resultados de la detección se calculan mediante una función de pérdida de regresión puntual. Los experimentos se realizaron en conjuntos de datos públicos y de creación propia para entrenamiento y prueba. Los resultados muestran que el algoritmo mejorado mejora la tasa de recuperación en no menos del 7.52% y la precisión media en no menos del 6.46% en comparación con las redes existentes de detección de objetivos débiles pequeños en infrarrojo. Puede aplicarse eficazmente a la detección de objetivos débiles pequeños en infrarrojo en fondos complejos, mostrando buena robustez y adaptabilidad.

objetivos débiles pequeños en infrarrojo;aprendizaje profundo;detección de objetivos;red convolucional 3D espaciotemporal