本文提出了一种全局时空检测框架（GST-Det），用于复杂地面场景下的红外小目标检测。该框架包含相对运动模式提取（RMPE）模块和全局时空特征融合网络（GST-Net）。RMPE通过归一化光流累积增强目标与背景的运动差异，GST-Net则通过双流编码器分别处理空间和时间信息，并利用时空特征融合模块（STFFM）和全局时空依赖提取模块（GSTDEM）实现多层次特征交互。实验表明，该方法显著提升了复杂

本文提出了一种名为DNTR（DeNoising FPN with Trans R-CNN）的新型检测框架，专门针对航拍图像中的微小目标（小于16x16像素）检测问题。其核心创新包括：（1）DN-FPN模块，通过几何-语义对比学习在特征金字塔网络中抑制通道缩减和上采样带来的噪声，且仅在训练阶段作用；（2）Trans R-CNN检测头，结合局部信息增强（Shuffle Unfolding）和全局上下文

本文提出了一种全局时空检测框架（GST-Det），用于复杂地面场景下的红外小目标检测。该框架包含相对运动模式提取（RMPE）模块和全局时空特征融合网络（GST-Net）。RMPE通过归一化光流累积增强目标与背景的运动差异，GST-Net则通过双流编码器分别处理空间和时间信息，并利用时空特征融合模块（STFFM）和全局时空依赖提取模块（GSTDEM）实现多层次特征交互。实验表明，该方法显著提升了复杂

【摘要】本文提出GLVMamba模型，针对遥感图像分割中的孔洞和边缘粗糙问题，创新性地设计了全局-局部视觉状态空间(GLVSS)模块和尺度感知金字塔池化(SCPP)模块。GLVSS通过局部前馈和移位窗口机制，弥补传统Mamba模型破坏邻域依赖的缺陷；SCPP则通过自适应加权融合多尺度特征。实验表明，该模型在保持线性计算复杂度的同时，显著提升了分割精度，有效解决了遥感图像中类内变异大、类间相似性高等

避免sudo apt-get install nvidia-*安装方式造成登录界面循环。1. ubuntu 16.04默认安装了第三方开源的驱动程序nouveau，安装nvidia显卡驱动首先需要禁用nouveau，不然会碰到冲突的问题，导致无法安装nvidia显卡驱动。编辑文件blacklist.confsudo vim /etc/modprobe.d/blacklist.conf若未安装vim

本文提出了一种多尺度高斯注意力机制(MGAM)，用于提升遥感图像中微小目标的检测性能。MGAM通过多尺度特征提取模块捕获不同尺度的上下文信息，并采用动态特征加权自适应融合这些信息。其核心创新是引入高斯注意力模块，模拟人类视觉的中心聚焦特性，在不增加额外参数的情况下有效增强模型对微小目标的定位能力。实验表明，MGAM在多个遥感数据集上显著提升了小目标检测精度，尤其在密集场景下表现出色。该模块可即插即

摘要：本文提出MK-UNet，一种超轻量级医学图像分割网络，通过**多核深度卷积（MKDC）**实现多尺度特征提取，仅需0.316M参数和0.314G FLOPs。核心创新包括：1）多核倒残差模块（MKIR）高效编码特征；2）分组注意力门（GAG）优化特征融合；3）纯CNN架构避免Transformer计算开销。实验表明，MK-UNet在六个医学数据集上超越TransUNet（参数量少333倍）和

本文提出了一种位置引导的动态感受野网络（PG-DRFNet），用于解决光学和SAR遥感图像中小目标检测的难题。该方法通过位置引导模块（PGM）将浅层网络中的小目标位置信息传递至深层，防止特征淹没；并采用动态感知卷积（DPC）自适应调整感受野形状，精准提取多尺度目标特征。配合组合检测头的辅助监督机制，该网络在多个数据集上达到SOTA性能。核心模块具有即插即用特性，可广泛应用于小目标检测任务。代码已开

本文提出了一种新型HVI颜色空间及CIDNet网络，用于解决低光照图像增强中颜色失真和噪声伪影问题。HVI空间通过极坐标化处理消除HSV的红色不连续性，并引入可学习的强度塌缩函数压缩暗部噪声。基于此设计的CIDNet采用双分支架构，分别处理亮度和色度信息，通过轻量级交叉注意力实现信息交互。实验表明，该方法仅需1.88M参数即可在多个数据集上取得SOTA性能，在计算效率和增强效果间实现了优异平衡。核

【论文摘要】DarkIR提出了一种创新的非对称混合域架构，将低光照增强与去模糊任务解耦处理：编码器在傅里叶域通过Fre-MLP模块专注增强幅度谱，解码器在空间域利用Di-SpAM模块进行高效去模糊。核心创新包括：1) 基于物理先验的频域-空域分治策略；2) 轻量级Fre-MLP仅处理幅值保留相位；3) 多扩张率Di-SpAM以极小计算代价获得超大感受野。实验表明，该方法在LOLBlur数据集上PS