RPCANet：基于深度展开的 RPCA 的红外小目标检测
原文约500字/词，阅读约需1分钟。发表于：。提出了一种名为 RPCANet 的可解释深度网络，用于检测红外弱目标，通过将迭代优化更新步骤展开成深度学习框架，实现了对目标的清晰解释性和对内在图像特征的保留，在定性和定量评价中超越了基线方法，证明了深度展开框架的有效性。
本文介绍了一个利用深度学习和数据增强的热红外远程目标检测系统，针对海上救援进行研究。通过使用TIR相机建立了一个自采集的TIR数据集，并收集了一个合成数据集。为了解决合成TIR图像与真实TIR图像之间的领域差距，本文提出了一种基于生成模型的自适应算法。实验结果表明，用包含翻译合成和真实TIR数据的增强数据训练的网络在性能上明显优于只使用真实TIR数据进行训练的网络。所提出的分割模型超越了最先进的分割方法的性能。
