本文提出了多种红外小目标检测方法，包括改进的稠密嵌套注意力网络（IDNANet）、多尺度方向感知网络（MSDA-Net）和单点监督的高分辨率动态网络（SSHD-Net），在公共数据集上表现优异，显著提升了检测的准确性和效率。这些方法通过引入新技术和模块，有效解决了目标检测中的挑战，取得了领先的性能。

本文介绍了多种红外小目标检测的新方法，包括多尺度方向感知网络（MSDA-Net）、扩散模型框架和改进的稠密嵌套注意力网络（IDNANet）。这些方法通过创新模块和损失函数设计，显著提升了检测性能，尤其在公共数据集上表现优异，有效解决了背景杂乱和样本不平衡等问题。

该文综述红外小目标检测的新方法：IDNANet结合Transformer、ACmix注意力与WD-BCE损失；MambaIR采用状态空间块增强恢复；双加权多层次模型及TCI-Former、SCTransNet、RPCANet、Vim、SpirDet、iSmallNet等分别在鲁棒性、可解释性和效率上取得进展，多项指标优于现有方法。