计算机科学 > 计算机视觉与模式识别
[提交于 2025年7月23日
]
标题: 时间点监督信号重建:一种无需人工标注的弱小目标检测框架
标题: Temporal Point-Supervised Signal Reconstruction: A Human-Annotation-Free Framework for Weak Moving Target Detection
摘要: 在低空监视和预警系统中,由于信号能量低、空间范围小以及背景杂波复杂,检测弱移动目标仍然是一个重大挑战。 现有方法在提取鲁棒特征方面存在困难,并且缺乏可靠的标注数据。 为了解决这些限制,我们提出了一种新颖的时间点监督(TPS)框架,能够在没有任何人工标注的情况下实现弱目标的高性能检测。 我们的框架不是采用传统的基于帧的检测方法,而是将任务重新表述为像素级的时间信号建模问题,其中弱目标表现为短时脉冲状响应。 在TPS范式下开发了一个时间信号重建网络(TSRNet),用于重建这些瞬态信号。TSRNet采用编码器-解码器架构,并集成了动态多尺度注意力(DMSAttention)模块,以增强其对多样化时间模式的敏感性。 此外,采用基于图的轨迹挖掘策略来抑制误报并确保时间一致性。 在专门构建的低信噪比数据集上的大量实验表明,我们的框架在无需人工标注的情况下优于最先进的方法。 它实现了强大的检测性能,并且运行速度超过1000 FPS,突显了其在实际场景中实时部署的潜力。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.