09:25
官方账号arXiv cs.AI@Xizhe Zhang, Fan Shi, Mianzhao Wang, Jiangpeng Zheng, Xu Cheng, Shengyong Chen
推荐理由：这篇论文提出了HALO，能用带噪框标注解决红外小目标检测，比现有方法更扛标注不准确，适合实际场景。
IRSTD
共 1 条相关 AI 资讯
7月21日
09:25
该论文针对红外小目标检测中像素级掩码标注成本高且不确定性大的问题，提出HALO（Hotspot-Anchored Label Optimization）方法。HALO在框内定位辐射锚点，并基于局部背景统计合成物理锚定高斯（PAG）软标签，将含噪框监督转化为连续像素级软标签。实验在公共数据集上显示，标准紧框下HALO与代表性盒监督方法竞争力相当，而在更宽松或偏移框条件下（更贴近实际场景），HALO鲁棒性显著提升，且不同骨干网络下表现一致。论文还引入污染感知工作区间分析，揭示内在信杂比与性能的关系。