发布时间：2024-08-09

文章标题：课题组斩获ICPR2024 LimitIRSTD挑战赛亚军

内容：

第 27 届国际模式识别大会（27th International Conference on Pattern Recognition, ICPR）将于12月1日至5日在印度加尔各答举办。在由国防科技大学、中国电信人工智能研究院等联合举办的资源受限下的红外小目标检测挑战赛中，由西安交通大学物理学院研究生杨获任（队长）、人工智能学院刘凌杰和本科生刘子淇组成的XJTU-IR队，获得弱监督检测赛道亚军，为该赛道前五名中唯一高校队伍。

LimitIRSTD 单点监督下的弱监督红外小目标检测赛道场景

赛题设置：近年来，由于红外弱小目标检测领域发展迅猛，在海洋资源保护、精确制导、无人驾驶和自然资源勘探等军民领域得到了广泛应用。然而，随着以微小卫星、低空无人机、无人车辆和无人舰船为代表的边缘侧场景应用需求日益增加，现有的红外小目标检测网络难以在精标注样本受限和算力受限的边缘侧场景下实现高效的任务响应，限制了其工程应用价值。本赛道在训练过程仅允许使用主办方提供的单点标注训练数据，对目标检测精度项进行评估。

比赛的数据集由7组公开数据集构成，包含各种目标形状（例如点目标、斑点目标、扩展目标）、波长（例如近红外、短波红外和热波）、图像分辨率（例如256、512、1024、3200等）和各种成像系统（例如陆基、机基和天基成像系统）的图像。该竞赛主要有几个难点：一是由于在单点弱监督条件下，仅有目标质心坐标，难以恢复完整的目标掩膜。二是数据集中存在多种目标分布差异巨大的场景，使得模型在检测过程中难以兼顾不同类样本，容易发生虚警、漏检等。

 

针对上述难点，研究团队提出Point-to-Mask Infrared Small Target Detection（P2M）方法，首先通过深度网络对图像易难特征学习的差异性，恢复目标的完全掩膜，再对不同场景下的样本进行自适应的均衡，从而在各个场景都能更加鲁棒且准确的检测目标，并获得挑战赛亚军。

   

本次比赛XJTU-IR团队由杨获任、刘凌杰和刘子淇组成，由西安交通大学柯炜软件学院柯炜副教授和人工智能学院贺宇航助理教授共同指导完成。

挑战赛排名链接：https://bohrium.dp.tech/competitions/8821868197?tab=leaderboard