本改进已同步到YOLO-Magic框架！

摘要：红外小目标检测是一项重要的计算机视觉任务，涉及在红外图像中识别和定位通常仅包含少量像素的微小目标。然而，由于目标体积小且红外图像背景通常复杂，这一任务面临诸多挑战。本文提出了一种深度学习方法，HCF-Net，通过多个实用模块显著提升红外小目标检测性能。具体而言，HCF-Net包括并行的分块注意力（PPA）模块、维度感知选择性融合（DASI）模块以及多膨胀通道精炼（MDCR）模块。PPA模块使用多分支特征提取策略来捕捉不同尺度和层次的特征信息。DASI模块实现自适应通道选择和融合。MDCR模块通过多个深度可分离卷积层捕捉不同感受野范围的空间特征。大量实验结果基于SIRST红外单帧图像数据集表明，所提出的HCF-Net表现优异，超越了其他传统和深度学习模型。

论文地址：https://arxiv.org/pdf/2403.10778
代码地址：h