YuChuang1205/PAL

해결하는 문제

이 프로젝트는 고품질의 전체 픽셀 레이블이 제공되지 않는 상황에서 적외선 소형 타겟 탐지(SIRST)의 도전 과제를 해결합니다. 특히 전체 마스크보다 훨씬 쉽게 얻을 수 있는 단일점 레이블(粗略한 점 또는 중심점)만을 사용하여 효과적인 탐지 모델을 훈련하는 데 초점을 맞춥니다. 그러나 일반적으로 성능이 낮아지는 경향이 있습니다.

작동 방식

PAL은 "쉬운 것에서 어려운 것"으로 학습하는 철학을 기반으로 한 프로그레시브 액티브 러닝 프레임워크를 구현합니다. 모든 훈련 샘플을 동일하게 취급하는 것이 아니라, 현재 모델의 능력에 따라 더 어려운 샘플을 단계적으로 식별하고 우선순위를 부여합니다. 이를 통해 네트워크는 시간이 지남에 따라 더 복잡한 타겟을 적극적으로 인식하고 적응함으로써 지속적으로 성능을 향상시킬 수 있습니다.

대상 사용자

이 프레임워크는 적외선 타겟 탐지, 감시 또는 방위 분야의 컴퓨터 비전, 제한된 레이블 예산으로 SIRST 모델을 구현하고자 하는 연구자 및 엔지니어를 위한 것입니다.

주요 특징

• 다양한 모델 지원: MSDA-Net, ISNet, DNANet 등 10개 이상의 기존 SIRST 탐지 네트워크를 하나의 프레임워크에 통합.
• 유연한 레이블 형식: 전체 레이블, 거친 단일점 레이블, 중심점 단일점 레이블의 3가지 레이블 형식을 지원.
• 데이터셋 호환성: SIRST, NUDT-SIRST, IRSTD-1k, SIRST3 등 여러 표준 데이터셋과 호환.
• 간편한 설정: 훈련 스크립트에서 단일 파라미터만 변경하여 다양한 네트워크, 데이터셋, 레이블 형식 간 전환 가능.