官方网站-首页
2026-07-17 12:14:18
（来源：计算机视觉研究院）
计算机视觉研究院
公众号ID｜计算机视觉研究院
学习群｜扫码在主页获取加入方式
https://pmc.ncbi.nlm.nih.gov/articles/PMC13030525/pdf/sensors-26-01941.pdf
计算机视觉研究院专栏
Column of Computer Vision Institute
本文提出了一套全新方案：三路径因果干预增强框架 CSFPR-RTDETR-CR，从特征根源上去除偏差，在公开数据集上实现了 mAP@50 提升 5.6% 的显著效果，给红外小目标检测打开了新思路。
PART/1
痛点
红外无人机图像的天然属性，决定了这是个硬核难题：
：红外成像对比度低、纹理信息少、噪声大，目标特征本身就很微弱；
：无人机高空拍摄视角多变，地面背景复杂多样，极小尺寸的目标很容易淹没在场景里；
：主流深度学习模型靠统计关联学习，很容易把 “特定地形、光照” 和 “目标” 绑定，训练集表现好，一到真实场景背景一变，性能直接跳水。
说白了，模型学会的是 “目标旁边常出现什么背景”，而不是 “目标本身的本质特征”。而因果推理的核心价值，就是把真正决定目标的因果特征（比如形状、轮廓）和干扰判断的非因果特征（比如背景、光照）彻底拆开，让模型抓本质、抗干扰。
PART/2
核心解法
三路径联动，全流程实现特征去偏
这套框架以性能优异的 CSFPR-RTDETR 检测器为基线，沿着 “图像输入→骨干网络→编码器” 的完整处理链路，设计了三条因果干预路径，实现端到端的特征去偏。
【CSFPR-RTDETR-CR 模型整体结构示意图】在设计模块之前，团队首先搭建了结构因果模型（SCM），从理论层面明确定义了红外检测任务中的因果特征与非因果特征，理清了图像、目标、特征、检测结果之间的因果关系，为后续的去偏设计打下了严谨的理论基础。
1. 因果数据增强（CDA）：输入端就打乱非因果特征
在图像频域中，中频分量大多是跨场景稳定的因果特征，而极高频和极低频分量则包含大量与场景相关的非因果特征。基于这个规律，CDA 模块的操作逻辑很清晰：
用离散余弦变换（DCT）把输入图像映射到频域；
通过带通滤波器提取非因果频率分量，对这部分做高斯分布的随机缩放扰动；
把扰动后的非因果频谱和保留的因果频谱重新拼接，逆变换回增强后的图像。
整个过程只打乱背景相关的非因果特征，完全保留目标本身的因果特征，相当于在训练时给模型 “换背景刷题”，逼它不能靠背景蒙答案。
【CDA 模块输入输出样本对比图（左为原图，右为增强后图像）】2. 反事实推理模块（CCR）：骨干网络强化因果特征
注意力跑偏是检测偏差的重要原因 —— 模型把太多注意力放在了背景上，反而忽略了目标本身。反事实推理的思路非常巧妙：通过对比正常注意力和反事实注意力对最终预测的影响，提取出注意力对特征提取的 “纯因果效应”。
正常注意力：模型原本学习到的注意力分布；
反事实注意力：通过随机扰动生成的、不聚焦目标的注意力分布。
计算两者提取的特征差异，就能得到真正和目标相关的因果特征，引导模型强化这部分特征，减少对背景等虚假关联的依赖。
【反事实推理因果结构示意图】整个 CCR 模块嵌入在骨干网络中，经过 “生成注意力图→构造反事实注意力→对比提取因果特征向量→空间结构重建→残差融合” 六步，输出增强后的特征图。
【CCR 模块结构示意图】3. 因果注意力机制（CAM）：编码器精准过滤非因果特征
Transformer 的自注意力机制本质是统计相关性加权 —— 和目标同现频率越高的特征，权重越大，很容易被高频出现的背景带偏。CAM 模块对自注意力做了因果化改造：通过一对互补的 Softmax 函数，并行计算出 “因果注意力权重” 和 “非因果注意力权重”，显式地把特征拆分为因果、非因果两部分，引导模型只对真正的因果特征分配高权重。相当于给注意力加了一层 “因果过滤器”，自动屏蔽背景干扰，只聚焦目标本身的核心特征。
【CAM 模块结构示意图】PART/3
实验
团队在公开的 HIT-UAV 高空红外无人机数据集上完成了全部实验，数据严谨，结果亮眼。
先看数据集特点：类别分布不均衡、目标集中在画面中央、小目标占比极高，完全贴合真实低空监测的业务场景。
【HIT-UAV 数据集类别分布图】
【目标维度分布联合可视化图】1. 横向对比：参数量更低，精度更高
和 DETR、Deformable-DETR 等经典检测模型相比，CSFPR-RTDETR-CR 优势非常明显：
参数量仅 15.2M，不到 DETR 的 40%，计算量也远低于主流大模型；
mAP@50 达到 81.2%，比 DETR 高出 20 个百分点，比基线模型提升 5.6%；
推理速度保持 9.6ms，和基线模型持平，完全满足实时检测需求。
【不同目标检测模型对比实验结果】2. 消融实验：三个模块协同增效
单独测试每个模块的贡献，三者叠加实现了 1+1+1>3 的效果：
仅加入 CCR 模块，mAP@50 提升 2.9%，对整体精度提升贡献最大；
仅加入 CAM 模块，mAP@50:95 提升 1.5%，显著优化了定位精度；
三个模块全部集成后，mAP@50 累计提升 5.6%，mAP@50:95 提升 1.8%，推理速度几乎不受影响。
【模块消融实验结果】3. 可视化实锤：特征更聚焦，检测更准确
通过热力图可以直观看到优化效果：加入 CCR 模块后，模型对目标区域的注意力覆盖更全面、重点更突出；加入 CAM 模块后，注意力精准落在每个独立目标上，无关区域的冗余注意力大幅减少。
【基线模型与加入 CCR 模块的注意力热力图对比】
【基线模型与加入 CAM 模块的注意力热力图对比】频域特征对比也验证了效果：优化后的模型在低、中、高三个频率通道上，目标响应都更集中、边界更清晰，特征辨识度显著增强。
【基线模型与本文模型频域特征响应对比图】最终的检测结果对比更直观：同一测试画面中，车辆、行人的检测置信度均有明显提升，低置信度的误检减少，整体检测完整性和可靠性更强。
【检测结果可视化对比图】除此之外，混淆矩阵、F1 曲线、PR 曲线、训练损失曲线等多项指标也都验证了模型收敛稳定、无明显过拟合，主流类别表现优异。
【此处插入原文图 9：混淆矩阵图】
【F1 - 置信度曲线图】
【精确率 - 置信度、召回率 - 置信度、PR 曲线图】
【损失函数与评价指标训练曲线图】PART/4
总结与展望
这套三路径因果干预框架，为红外无人机小目标检测的 “特征偏置” 痛点提供了一套完整的端到端解决方案，核心贡献有三点：
：搭建了面向红外无人机小目标检测的结构因果模型，明确定义了因果与非因果特征，为特征去偏提供了理论依据；
：从数据输入、骨干网络、编码器三个环节设计差异化的因果干预模块，实现了全链路的特征去偏；
：在公开数据集上实现了显著的精度提升，同时保持了实时推理速度，具备落地应用潜力。
团队也明确了后续的优化方向：一是通过结构剪枝、知识蒸馏等技术做模型轻量化，适配无人机端的嵌入式设备部署；二是在更多红外数据集上开展测试，进一步验证和提升模型的跨域泛化能力。
从靠统计关联 “碰运气”，到靠因果本质 “做判断”，因果推理正在成为计算机视觉突破性能瓶颈的关键方向。在红外检测、遥感影像这类背景复杂、目标弱小的场景里，因果去偏的价值会越来越凸显。
有相关需求的你可以联系我们！
400-86503662
“智”者对话丨苏昊：不必害怕人机共存的世界
