(arXiv 2025) 江大团队提出SDS-Net：兼顾精度与速度的红外小目标检测新架构

主要观点总结

该论文介绍了一种用于红外小目标检测的浅深协同检测框架SDS-Net。SDS-Net采用双分支架构，协同建模浅层细节分支和深层语义分支，解决传统模型浅深特征异质性导致的信息融合低效问题。论文提出了多尺度空间交叉注意力（MSCA）、多尺度空间自注意力（MSSA）和多维动态特征增强模块（MDFA）等创新点，增强了小目标在复杂背景中的定位能力。同时，论文还介绍了自适应浅深融合模块（ADSF）的作用，通过可学习权重自适应融合浅层与深层特征。整体架构以U型双分支结构为核心，并在多个数据集上进行了实验验证。论文还包括多个表格和图表，展示了实验结果的详细数据和可视化对比。

关键观点总结

关键观点1: 浅深协同检测框架SDS-Net

提出一种双分支架构，协同建模浅层细节和深层语义，解决信息融合低效问题。

关键观点2: 创新点介绍

包括异构输入策略、多尺度空间交叉注意力（MSCA）、多尺度空间自注意力（MSSA）和多维动态特征增强模块（MDFA）。

关键观点3: 整体架构

以U型双分支结构为核心，通过自适应浅深融合模块实现动态加权融合。

关键观点4: 实验结果

包括消融实验结果和其他对比实验，验证了SDS-Net的有效性。

关键观点5: 可视化结果

包括框架和特征可视化图，展示了SDS-Net与其他模型在效率上的对比。