论文解读 | EDDNet方向感知偏移增强 动态可变形卷积让红外小目标检测摆脱背景噪声淹没论文Direction-Aware Offset Enhancement and Dynamic Deformable Convolution for Infrared Small-Target Detection作者Baofeng Ji, Dewei Wang, Jianpeng Bai, Guoqiang Zheng, Tongshuai Xin, Huitao Fan河南科技大学 / 龙门实验室 / 郑州煤矿机械集团等期刊IEEE Transactions on Geoscience and Remote Sensing, Vol. 64, 2026, Article 5620310DOI10.1109/TGRS.2026.3688853 代码GitHub - wdw0537/EDDNet: Official implementation of EDDNet: [Direction-Aware Offset Enhancement and Dynamic Deformable Convolution for Infrared Small Target Detection] · GitHub博主简介​AI小怪兽 | 计算机视觉布道者 | 视觉检测领域创新者深耕计算机视觉与深度学习领域专注于目标检测前沿技术的探索与突破。长期致力于YOLO系列算法的结构性创新、性能极限优化与工业级落地实践旨在打通从学术研究到产业应用的最后一公里。 核心专长与技术创新YOLO算法结构性创新于CSDN平台原创发布《YOLO26魔术师》、《YOLO11魔术师》等全系列深度专栏。系统性提出并开源了多项原创自研模块在模型轻量化设计、多维度注意力机制融合、特征金字塔重构等关键方向完成了一系列突破性实践为行业提供了具备高参考价值的技术路径与完整解决方案。技术生态建设与知识传播独立运营“计算机视觉大作战”公众号粉丝2.3万成功构建高质量的技术交流社群。致力于将复杂算法转化为通俗易懂的解读与可复现的工程代码显著降低了计算机视觉的技术入门门槛。 行业影响力与商业实践荣获腾讯云年度影响力作者与创作之星奖项内容质量与专业性获行业权威平台认证。全网累计拥有8万垂直领域技术受众专栏文章总阅读量突破百万在目标检测领域形成了广泛的学术与工业影响力。具备丰富的企业级项目交付经验曾为工业视觉检测、智慧城市安防等多个关键领域提供定制化的算法模型与解决方案驱动业务智能化升级。 未来方向与使命秉持“让每一行代码都有温度”的技术理念未来将持续聚焦于实时检测、语义分割及工业缺陷检测的商业化闭环等核心方向。愿与业界同仁协同创新共同推动技术边界以坚实的技术能力赋能实体经济与行业变革。原创自研系列26年计算机视觉顶会创新点《YOLO26魔术师》《YOLO26-seg魔术师》原创自研系列25年计算机视觉顶会创新点《YOLOv13魔术师》《YOLOv12魔术师》《YOLO11魔术师》《YOLOv8原创自研》《YOLOv5原创自研》《YOLOv7原创自研》《YOLOv9魔术师》​《YOLOv10魔术师》 ​应用系列篇《YOLO小目标检测》《深度学习工业缺陷检测》《YOLOv8-Pose关键点检测》23、24年最火系列加入24年改进点内涵100优化改进篇涨点小能手助力科研好评率极高《YOLOv8魔术师》《YOLOv7魔术师》《YOLOv5/YOLOv7魔术师》《RT-DETR魔术师》一、摘要红外小目标检测IRSTD在军用与民用领域都扮演着关键角色。然而红外小目标本身尺寸极小往往小于卷积核的尺寸传统卷积操作不可避免地引入背景噪声导致检测性能不佳。本文提出增强动态可变形网络EDDNet在特征提取过程中减少背景噪声引入的同时充分提取小目标特征。具体包括三个设计1设计动态可变形卷积在精准提取红外小目标特征的同时最小化背景噪声干扰2提出方向感知偏移增强DAOE模块增强卷积核采样点向小目标偏移的能力3在编码器—解码器过渡处引入语义精炼SR模块增强深度语义特征确保网络在聚焦小目标的同时保持语义感知。在 NUAA-SIRST、NUDT-SIRST、IRSTD-1K 三个公开数据集上的大量实验表明该方法优于现有 SOTA 方法能在复杂背景下提取更有效的目标信息。二、研究背景和意义2.1 红外小目标一个先天不足的检测难题红外热成像ITI通过红外探测器捕捉目标热辐射成像。由于红外波长超过可见光能有效穿透雾、烟等大气障碍在恶劣天气下具备可见光难以比拟的探测优势凭借热辐射特征目标识别得以突破视觉限制。依托全天候工作能力IRSTD 在军用作战交战与防御系统与民用智能交通管理、农业监测、水下侦察领域均有重要价值。但红外小目标天生带有三大缺陷特性含义低显著性背景噪声与杂波频繁掩盖目标真伪难辨像素占比极小远距离成像导致目标通常仅 1–10 像素SPIE 正式定义为不超过 9×9 像素形状多变目标形态随类型与环境波动缺乏稳定形状先验与汽车、人脸等具有丰富几何结构和纹理的普通目标不同红外小目标往往呈现为点状斑块几乎没有可利用的形状信息。2.2 现有方法的瓶颈固定卷积核的原罪传统图像处理方法各有所长但各有硬伤滤波类Top-hat、max-median/max-mean只能抑制简单背景杂波复杂场景性能急剧退化虚警率高人眼视觉建模类对高亮小目标敏感但目标与背景相似时难以区分低秩矩阵类能适应暗弱小目标但复杂背景中形状多变的目标仍导致高虚警共同短板严重依赖手工特征难例表现不佳。深度学习时代CNN 成为主流U 形架构U-Net显著提升了复杂背景下的鲁棒性特征融合模块被用于弥合低层细节 vs 高层语义的断层CNN-Transformer 混合模型则试图补足 CNN 全局上下文不足的短板。然而这些方法存在一个共同的原罪全部依赖固定网格卷积核。当目标尺寸小于卷积核subkernel scale时3×3 感受野内绝大多数采样点落在背景上卷积响应被背景主导弱目标信号被噪声淹没——性能瓶颈不在后处理而在特征提取的第一步。2.3 研究意义EDDNet 的价值不止于刷榜它把引入可变形卷积的动机从处理几何变换重新定义为在乘法操作前先做一次空间注意力从物理上过滤背景杂波实现了从事后滤波到源头抑制的范式转变。这对算力受限的机载/边端红外探测系统尤其有意义——不依赖 Transformer 即可获得对点状目标的定位先验。三、创新点1EDDNet 整体架构克服传统固定卷积核在特征提取中引入背景噪声的问题并通过输入依赖的动态卷积核尺寸适配不同大小的小目标2DAOE 模块通过单向池化定位小目标边界约束可变形卷积采样点的偏移自由度使其向小目标收敛3SR 模块在编码到解码的过渡阶段将深层语义信息重新聚焦到小目标上。四、创新点解读4.1 问题本质卷积核比目标还大承接背景部分当目标小于 3×3 卷积核时固定网格的 9 个采样点中大部分落在背景上微弱目标信号被背景噪声淹没卷积响应被背景主导。作者特别指出引入可变形卷积的动机不是处理旋转、缩放等几何变换而是自适应地把采样点聚集到稀疏的目标区域——相当于在乘法累加之前先做一次空间注意力从物理上过滤背景杂波实现从源头抑制而非事后滤波。4.2 增强动态可变形卷积EDDConv输入先经 ResBlock 将通道扩展到 C16随后编码器由 5 级 EDDConv 下采样构成。每一级 EDDConv 包含两条分支动态路由MaxPool → Conv2d → Sigmoid生成路径权重 W_d按输入特征动态调节各核尺寸的贡献多尺度采样核尺寸配置为 {1, 3, 5}小目标平均约 50 像素故刻意避开更大核防止引入背景噪声与额外延迟另加一路可学习高斯核对点状目标有增强作用输出为cat(Fx1, Fx3, Fx5, Fg) × W_d即多尺度特征拼接后按输入动态加权。4.3 DAOE 模块给 offset 装上导航仪标准可变形卷积在亚像素目标上容易offset 失灵学到的偏移紊乱。DAOE 的核心思路是约束 offset 的自由度沿 x 方向、y 方向分别做 MaxPool再做全局 MaxPool。关键在于全局池化会丢失空间坐标而MaxPool_x 与 MaxPool_y 分别保留水平/垂直轴上的峰值响应位置二者拼接相当于一个显式的空间坐标系提供几何先验引导可学习偏移 Δb_n 收敛到 x/y 峰值的交点——即目标中心从而让卷积核物理收缩以贴合极小目标。此外每个采样点引入调制因子 M(b_n)对错误 offset 的影响逐点增强或抑制y(b₀) Σ M(b_n) · w(b_n) · x(b₀ b_n Δb_n)4.4 SR 模块编码—解码之间的语义接力编码阶段已滤除大部分背景噪声后SR 模块部署在特征图分辨率最低的瓶颈处由不同扩张率的深度可分离卷积3×3、5×5通道混洗Channel Shuffle级联而成首尾以 1×1 卷积调整通道并带残差连接。扩张感受野有助于抑制目标周边残余噪声而不引入新背景通道混洗促进编码器到解码器的特征过渡增强泛化能力。五、实验结果5.1 实验设置数据集数量划分输入尺寸NUAA-SIRST42750:50256×256NUDT-SIRST132750:50256×256IRSTD-1K100080:20512×512WideIRSTD-Full—82% 训练—评价指标为 IoU、nIoU归一化 IoU小目标分割专用、Pd检测率与 Fa虚警率×10⁻⁶。训练平台为 RTX 3090PyTorch 实现Xavier 初始化Adagrad 优化器 SoftIoU 损失学习率 0.05从零训练。对比方法涵盖 10 个 SOTAACM、ALCNet、DNA-Net、ISNet、UIU-Net、PBT、MRF-Net、RRCANet、FMNet、SCTransNet。5.2 主实验Table I 精选单位 %方法NUAA IoUNUAA nIoUNUDT IoUNUDT nIoUIRSTD-1K IoUIRSTD-1K PdWideIRSTD IoUWideIRSTD nIoUDNA-Net74.81572.57194.19291.36665.73589.56245.99132.834PBT76.73774.43591.41988.67668.43994.20541.04629.701MRF-Net77.92875.59094.22191.39467.01494.65744.51631.850EDDNet79.28976.91094.76291.91968.56494.91346.53333.426NUAA-SIRSTIoU / nIoU 超次优 MRF-Net 1.37 / 1.32 个点Pd 96.591% 仅比最高的 FMNet96.958%低 0.36 个点Fa 15.897×10⁻⁶。NUDT-SIRSTIoU / nIoU 超 MRF-Net 0.54 / 0.52 个点Pd 99.361%仅低于 DNA-Net 0.1 个点Fa 3.913×10⁻⁶。IRSTD-1KIoU 68.564% 超 PBT 0.125 个点nIoU 66.507% 略低于 PBT 的 67.841%但 Pd94.913%与 Fa16.154×10⁻⁶双优。WideIRSTD-Full大规模最难场景IoU / nIoU 全场最高但 Pd57.360%低于 SCTransNet59.435%Fa59.883×10⁻⁶明显差于 UIU-Net20.088×10⁻⁶——虚警控制仍是短板。定性结果Fig. 6显示EDDNet 的定位更准、轮廓更完整、漏检绿框与虚警黄框更少5.3 消融实验Table IINUAA-SIRST变体参数量FLOPsIoUnIoUPdFabaseline (ResNet18)4.086M7.041G75.91073.96195.19822.707 动态路由15.444M25.381G77.38575.06395.99117.835 可变形卷积无约束2.491M14.884G76.98474.67495.67418.894 DAOE3.221M15.082G78.91776.54996.41717.045 SR完整版3.794M15.228G79.28976.91096.59115.897三个关键读数1动态路由按输入自适应调配多尺度核权重IoU 1.472裸的可变形卷积反而掉点76.984%低于动态路由变体 77.385%——无约束的 offset 在亚像素目标上会紊乱恰好反衬 DAOE 的必要性3DAOE 是全文最大的单模块增益IoU 从 76.98% 拉至 78.91%1.93SR 再补 0.37 个点并把 Fa 压到最低 15.897×10⁻⁶。特征热力图Fig. 12进一步显示加入 SR 前后深层网络对小目标邻域的关注显著增强背景响应被持续抑制六、展望论文自述的局限与未来方向1速度代价动态 offset 计算不可避免增加计算复杂度相比静态卷积推理速度略有下降完整版 15.228G FLOPs约为 baseline 的 2.2 倍2极端杂波虚警在与目标特征相似的高强度杂波场景中仍可能出现少量虚警3后续将聚焦模型轻量化与语义约束的进一步探索。