基于深度学习的红外小目标检测研究方法

1. TBC-Net link
   TBC-net分为目标特征提取模块TEM和语义约束模块SCM，分别用于从红外图像中提取小目标和对训练过程中提取的目标图像进行分类。
   TEM模块进行目标提取，TEM模块为轻量级的图像分割网络，利用模块压缩算法实现了上采用和下采样，形成了编解码结构。
   
   SCM模块对提取的小目标进行分类级别的约束，由于红外小目标没有形状和类别的语义信息，这篇文章利用小目标的数量对目标进行约束。
   此外，这篇文章还利用了合成的数据，通过在背景图像上添加目标信息并加入图像的高层语义约束信息，解决了小目标图像中前景与背景极不平衡的问题。

2. MD vs FA-cGAN link
   利用对抗生成网络，对漏检和虚警进行平衡。该网络有两个生成器和一个鉴别器。
   
   G1负责降低漏检率，G2负责降低虚警率。
   在测试时，两个生成器生成结果的平均值为最终的分割结果。

2020年
3. CDME [link](Infrared Dim and Small Target Detection Based on Denoising Autoencoder Network)
将小目标当作是噪声，使用去噪自编码器进行小目标检测。首先将仿真的红外小目标叠加到红外背景中作为网络输入，然后利用该网络进行去噪处理得到干净的背景图像，最后将输出图像减去干净的背景图像得到最终的小目标检测结果。