LIST-DETR：复杂背景下红外小目标检测的高效轻量级检测网络
张上 ZHANG Shang, 崔玉杰 CUI Yujie, 龚国强 GONG Guoqiang, 张桓彬 ZHANG Huanbin · Infrared and Laser Engineering · 2025
针对复杂背景下红外小目标检测面临的检测精度不足、算法计算复杂度高以及漏检和虚警等问题，提出一种基于改进RT-DETR的面向红外小目标场景的轻量级检测算法 (Lightweight Infrared Small Target-Detection Transformer, LIST-DETR)。首先，采用轻量化双卷积核优化主干特征提取网络，在保证网络轻量化的同时显著提升模型检测精度；其次，提出基于动态位置偏差与注意力机制的高效尺度内特征交互模块(Dynamic Position Bias-Attention-based Intrascale Feature Interaction, DPB-AIFI)，有效增强了弱小目标的定位精度与背景抑制能力；此外，设计的轻量级高效特征融合模块RetBlockC3在保证实时性的同时，优化了模型的特征融合效果；最后，采用超轻量动态上采样替代最近邻上采样，提升了模型对小目标特征信息的捕捉能力。实验结果表明，LIST-DETR模型在三个具有典型复杂背景的红外数据集上均取得了优异性能：[email protected]指标分别达到97.2%、98.4%和85.8%，相较于基线模型分别提升2.3%、1.2%和3.2%。此外，与现有先进算法相比，LIST-DETR在模型体积、参数量及计算量等性能指标上均获得显著改善，为复杂背景下红外小目标的高质量检测提供了新的解决方案。