CVPR ABCNet：CNN与Transformer的完美融合
论文原文 ：https://arxiv.org/abs/2303.10321
代码：https://github.com/PANPEIWEN/ABC
即插即用代码仓库：https://github.com/AITricks/AITricks
1️⃣ 核心思想：局部与全局的强强联合 🤝
红外小目标难检测是因为：CNN虽然纹理提取强，但感受野受限，容易把噪声当成目标（虚警）；Transformer虽然全局强，但缺乏局部感知，很难抓住微小目标。
ABCNet的核心就是混合架构：利用Transformer的全局注意力来“抑制背景噪声”，利用CNN的卷积归纳偏置来“增强目标特征”，实现去伪存真。
2️⃣ 核心模块一：CLFT（卷积线性融合Transformer）✨
痛点解决：传统卷积层后，噪声和目标都会被激活。
创新点：设计了BAM（双线性注意力模块），用极低的计算量算出全局空间相关性。
效果：它像一个过滤器，把卷积提取的特征和全局注意力矩阵相乘。只有那些“既有局部强度又有全局相关性”的真实目标会被保留，孤立的噪声直接被抑制！
3️⃣ 核心模块二：UCDC（U型卷积-空洞卷积）
位置：放在网络的最深层（Bottleneck）。
机制：采用U型结构，先用空洞卷积（Dilated Conv）扩大感受野过滤残余噪声，再缩小感受野聚焦目标。
作用：在特征图分辨率最低的时候，对目标特征进行精细化重构，防止小目标在深层网络中丢失。
4️⃣ 即插即用：涨点神器
CLFT：非常适合替换U-Net编码器里的Conv块，专门用来抑制复杂背景下的噪声。
UCDC：适合替换U-Net底部的Bottleneck，利用U型空洞卷积提升深层特征的表达能力。
5️⃣ 实验结果分析：SOTA验证 📈
定量指标：在NUAA、IRSTD1k等4个数据集上全面SOTA。特别是在最难的 IRSTD1k 数据集上，IoU比第二名高出了 3.15%，优势巨大！
视觉效果：对比图显示，ABCNet能完美区分出其他模型容易搞错的“类目标噪声”（False Alarm），误检率极低。
效率：ABC-S（小版本）在RTX 3090上推理速度达到 93 FPS，满足实时性要求。
#科研 #科研学习 #深度学习 #目标检测 #计算机视觉 #transformer #论文
)
