LCMamNet: A Lightweight Cross-scale Mamba Network for Infrared Small Target Detection

📄 arXiv: 2607.24184v1 📥 PDF

作者: Yuhao Fan, Le Hui, Yuchao Dai

分类: cs.CV

发布日期: 2026-07-27

🔗 代码/项目: GITHUB

💡 一句话要点

提出LCMamNet以解决红外小目标检测中的背景干扰问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 红外小目标检测 轻量级网络 跨尺度融合 深度学习 实时推理

📋 核心要点

  1. 现有红外小目标检测方法在处理弱目标时容易受到背景干扰，导致检测效果不佳。
  2. LCMamNet通过跨尺度特征交互和局部结构增强，设计了轻量级网络以提高小目标检测的准确性。
  3. 在IRSTD-1k、NUAA-SIRST和NUDT-SIRST数据集上，LCMamNet分别达到了71.25%、79.60%和95.58%的mIoU分数，展示了其优越性能。

📝 摘要（中文）

红外小目标检测（IRSTD）在低空感知、无人系统预警和安全监控中具有重要意义。然而，红外图像中的弱目标通常仅占少量像素，容易被云杂波、地面边缘和亮噪声淹没，使得轻量级分割方法在抑制背景干扰的同时难以保留局部目标结构。为了解决这些挑战，本文提出了LCMamNet，这是一种轻量级的跨尺度Mamba网络，能够逐步增强局部目标结构，在潜在空间中进行跨尺度上下文交互，并恢复空间细节以抑制背景干扰。实验结果表明，该网络在多个数据集上表现优异，具有实际应用潜力。

🔬 方法详解

问题定义：本文旨在解决红外小目标检测中弱目标被背景干扰淹没的问题。现有的轻量级分割方法在抑制背景干扰的同时难以保留目标的局部结构，导致检测效果不理想。

核心思路：LCMamNet通过设计一个轻量级的跨尺度网络，逐步增强局部目标结构，并在潜在空间中进行跨尺度上下文交互，以恢复空间细节并抑制背景干扰。

技术框架：该网络主要由三个模块组成：紧凑的分层编码器、潜在密集跨尺度融合模块和渐进解码器。编码器使用交叉形状方向瓶颈残差块（CDBR）来增强方向敏感的目标结构，融合模块通过双向Mamba建模实现特征交互，解码器则选择性恢复浅层空间细节。

关键创新：LCMamNet的创新在于其轻量级设计和跨尺度特征交互能力，能够在较小的计算预算下有效增强目标结构，显著提高了小目标的检测精度。

关键设计：网络参数仅为1.175M，计算量为6.91 GFLOPs，且在NVIDIA Jetson Orin NX 16G SUPER上实现了平均推理延迟6.62 ms，显示出其在实时边缘推理中的应用潜力。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在IRSTD-1k、NUAA-SIRST和NUDT-SIRST数据集上，LCMamNet分别取得了71.25%、79.60%和95.58%的mIoU分数，展现了其在小目标检测中的优越性能。相比于现有方法，该网络在参数和计算量上均表现出色，具备实时推理能力，进一步验证了其实际应用的潜力。

🎯 应用场景

LCMamNet在红外小目标检测领域具有广泛的应用潜力，尤其适用于无人机监控、安防监测和低空感知等场景。其轻量级特性使其能够在资源受限的环境中高效运行，为实时目标检测提供了新的解决方案，未来可能推动相关技术的进一步发展与应用。

📄 摘要（原文）

Infrared small target detection (IRSTD) is important for low-altitude perception, unmanned-system warning, and security monitoring. However, weak targets in infrared imagery usually occupy only a few pixels and are easily submerged by cloud clutter, ground edges, and bright noise, making it difficult for lightweight segmentation-based methods to preserve local target structures while suppressing background interference. To address these challenges, we propose LCMamNet, a lightweight cross-scale Mamba network that progressively enhances local target structures, interacts cross-scale context in a latent space, and restores spatial details with background suppression. Specifically, a compact hierarchical encoder with cross-shaped directional bottleneck residual (CDBR) blocks strengthens direction-sensitive target structures under a small computation budget. A latent dense cross-scale fusion (LDCF) module then performs dense all-level interaction through bidirectional Mamba modeling and reorganizes the interacted features into stable hierarchical semantics. Finally, a progressive decoder selectively recovers shallow spatial details while suppressing irrelevant background textures. Extensive experiments on IRSTD-1k, NUAA-SIRST, and NUDT-SIRST show that the proposed network achieves mIoU scores of 71.25\%, 79.60\%, and 95.58\%, respectively, with only 1.175M parameters and 6.91 GFLOPs. It also runs with a mean inference latency of 6.62 ms, and deployment results on an NVIDIA Jetson Orin NX 16G SUPER further demonstrate its practical potential for real-time edge inference. The code and checkpoints are publicly available at https://github.com/Haoyu096/LCMamNet.