本文内容：添加PPA
目录
论文简介
红外小目标检测是一项重要的计算机视觉任务，涉及对红外图像中通常只有几个像素的微小目标进行识别和定位。然而，由于红外图像中物体的体积小，背景一般比较复杂，这给红外图像的识别带来了困难。在本文中，我们提出了一种深度学习方法HCF-Net，通过多个实用模块显著提高红外小目标检测性能。
具体来说，它包括并行化的补丁感知注意(PPA)模块、维度感知选择性集成(DASI)模块和多扩展通道细化(MDCR)模块。PPA模块采用多分支特征提取策略，捕获不同尺度和层次的特征信息。DASI模块支持自适应信道选择和融合。MDCR模块通过多个深度可分卷积层捕获不同感受野范围的空间特征。在SIRST红外单帧图像数据集上的大量实验结果表明，所提出的HCF-Net优于其他传统和深度学习模型。
1.步骤一
新建blocks/hcfnet.py文件，添加如