En el campo de la alerta aérea, la tecnología de detección de objetivos infrarrojos débiles es crucial para la percepción del campo de batalla a larga distancia y en todas las condiciones climáticas. Para abordar el problema de la baja probabilidad de detección y alta tasa de falsas alarmas causadas por la baja proporción de píxeles de objetivos infrarrojos débiles y la escasez de características en fondos complejos, se propuso un método de detección de objetivos infrarrojos débiles en fondos complejos basado en una red convolucional tridimensional spatio-temporal. Este método propone una red troncal de extracción de características que combina convoluciones bidimensionales y tridimensionales, que integra características de textura espacial y características de movimiento entre cuadros para lograr una percepción colaborativa de la estructura del objetivo y los cambios en el dominio temporal; para las características de objetivos infrarrojos débiles, se diseñó un módulo de contraste local que amplía el campo receptivo para la mejora de características; se introdujo un mecanismo de atención asimétrico para la fusión de características, aumentando la retención de información de textura y ubicación; finalmente, mediante una función de pérdida de regresión puntual, se calculan los resultados de detección. Los experimentos se realizaron en conjuntos de datos públicos y conjuntos de datos auto construidos para entrenamiento y prueba. Los resultados muestran que el algoritmo mejorado, en comparación con las redes de detección de objetivos infrarrojos débiles existentes, mejora la tasa de recall en no menos del 7.52% y la precisión promedio en no menos del 6.46%. Puede aplicarse eficazmente para la detección de objetivos infrarrojos débiles en fondos complejos y demuestra buena robustez y adaptabilidad.

objetivos infrarrojos débiles;aprendizaje profundo;detección de objetivos;convolución tridimensional spatio-temporal