计算机工程与应用

作者：王培超, 王家宝, 寇人可, 张睿, 李阳, 苗壮

单位：1.陆军工程大学 指挥控制工程学院，南京 210007；2.空军工程大学 航空工程学院，西安 710038；

关键词：红外小目标检测,先验知识,边缘检测,三重注意力,结构重参数化,模型轻量化

基金：江苏省自然科学基金（BK20200581）。

先验知识可以改善基于深度学习技术的红外小目标检测方法的性能。边缘信息是一种重要的先验知识，然而现有方法通常使用构造分支网络的方法将边缘信息加入网络模型中，在提升性能的同时造成了参数量和运算量的提升。针对此问题，提出了一种边缘信息增强的轻量化网络（edge information enhanced lightweight network，EIEL-Net），构造边缘信息增强（edge information enhancing，EIE）模块实现了边缘信息的高效嵌入。同时，构建了高效三向注意力（efficient triple-direction attention，ETDA）模块，从三个维度聚合红外小目标的全局信息，实现多维语义信息的有效融合。此外，为进一步提升骨干网对多样化特征的提取能力，提出了结构重参数化的非对称下采样（structural re-parameterized asymmetric downsampling，SRPAD）模块和高效通道注意力残差块（ECA-ResNeSt block）。EIEL-Net在参数量和浮点运算量分别为0.343×106和1.126×109的情况下，其检测速度可超过100?FPS，且在SIRST、NUDT-SIRST和IRSTD-1k三个公开数据集上的实验结果显示了该方法相比其他主流检测方法的优越性能，展示了该方法在低算力设备上部署的巨大潜力。

来源：2026年第8期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第8期