Un nuevo modelo de IA establece un récord en la detección de pequeños objetivos infrarrojos, impulsando las capacidades de detección de incendios forestales y vigilancia

La detección de pequeños objetivos infrarrojos es esencial para la teledetección, la prevención de incendios y la vigilancia, pero los métodos existentes a menudo tienen dificultades con objetivos diminutos y de bajo contraste que carecen de forma o textura definidas. Una nueva red de aprendizaje profundo en dos etapas desarrollada por investigadores del Centro de Investigación de Ingeniería Óptica Espacial del Instituto de Tecnología de Harbin combina la mejora de características basada en difusión con el modelado de espacio de estados para suprimir el desorden del fondo y amplificar las señales de los objetivos. El enfoque, publicado el 30 de junio de 2026 en la Revista de Teledetección, logra tasas de detección de vanguardia en tres conjuntos de datos públicos, reduciendo significativamente tanto las detecciones perdidas como las falsas alarmas en entornos de imágenes complejos.

La tecnología impacta directamente en la prevención de incendios forestales, los sistemas de alerta temprana de vigilancia y la evaluación de amenazas militares, aplicaciones donde las detecciones perdidas o las falsas alarmas pueden tener consecuencias graves. Los objetivos infrarrojos a menudo ocupan menos de 81 píxeles (típicamente menos de 9×9), exhiben una energía extremadamente baja con relaciones señal-ruido de alrededor de 3 y carecen de información prominente de forma o textura, lo que hace que se sumerjan fácilmente en el desorden del fondo. Los métodos de aprendizaje profundo han mejorado el rendimiento, pero la mayoría se centra exclusivamente en las características del objetivo mientras descuida la información del fondo, lo que lleva a un grave desequilibrio de clases. La red Mamba densa mejorada por difusión (DEDM-Net) propuesta aborda esto modelando simultáneamente tanto los objetivos como los fondos.

La red de dos etapas logra un efecto sinérgico. La primera etapa emplea un modelo de difusión de doble ruta con un novedoso módulo de procesamiento ciego que predice cada píxel utilizando únicamente información circundante, nunca el píxel en sí, evitando que los objetivos extremadamente pequeños se clasifiquen erróneamente como fondo. La segunda etapa introduce una arquitectura Mamba anidada densa basada en el modelo de espacio de estados, que captura correlaciones de largo alcance en características globales y locales con complejidad computacional lineal, una ventaja significativa sobre los Transformers convencionales. Un módulo de fusión de predicciones entre etapas integra además las características de ambas etapas, mejorando la precisión de la segmentación de contornos. En conjunto, estas innovaciones ofrecen un rendimiento superior en todas las métricas de evaluación en comparación con 11 métodos de vanguardia.

DEDM-Net se evaluó en tres conjuntos de datos públicos: NUAA-SIRST (427 imágenes), NUDT-SIRST (1.327 imágenes de 256×256) e IRSTD-1k (1.000 imágenes de 512×512). En el conjunto de datos NUDT-SIRST, el método alcanzó un IoU del 93,40%, un nIoU del 93,28%, una probabilidad de detección del 98,37% y una tasa de falsas alarmas notablemente baja de solo 3,75×10⁻⁶, superando a DNA-Net (92,99% IoU, 93,22% nIoU) e ISTDU-Net (91,69% IoU, 91,84% nIoU). En el conjunto de datos IRSTD-1k, DEDM-Net logró un IoU del 73,71% y una probabilidad de detección del 93,89% con solo 11,10×10⁻⁶ falsas alarmas, superando a todos los competidores.

"Los pequeños objetivos infrarrojos son extremadamente desafiantes porque carecen de forma y textura; esencialmente son solo unos pocos píxeles brillantes en un mar de fondo", dijo el autor correspondiente, el Dr. Shikai Jiang del Instituto de Tecnología de Harbin. "Al modelar simultáneamente tanto el fondo sin objetivos como las regiones potenciales de objetivos, nuestro enfoque mejorado por difusión amplifica efectivamente lo que importa mientras suprime lo que no. La arquitectura Mamba luego proporciona el contexto global necesario para distinguir los objetivos verdaderos del desorden brillante".

Si bien DEDM-Net logra una precisión superior, el diseño de dos etapas basado en difusión aumenta el tiempo de inferencia en comparación con las redes de una sola etapa. El trabajo futuro se centrará en la destilación de modelos, la inferencia de precisión mixta y muestreadores más rápidos para reducir los pasos de difusión requeridos. El enfoque es prometedor para sistemas de vigilancia en tiempo real, navegación autónoma de drones en condiciones de baja visibilidad y redes de detección temprana de incendios forestales. El marco también podría inspirar nuevas ideas sobre cómo los modelos generativos y las arquitecturas de espacio de estados pueden combinarse para otras tareas desafiantes de visión por computadora donde la separación objetivo-fondo es crítica. El estudio completo está disponible en DOI: 10.34133/remotesensing.1046.