（通讯员：袁帅、吕强）据2025年5月Essential Science Indicators（简称ESI）统计数据显示，新葡京澳门-澳门新葡京官网 智能视觉工程团队博士生袁帅以第一作者身份于2024年在《IEEE Transactions on Geoscience and Remote Sensing》（中科院I区TOP期刊，IF=7.5）上发表的研究成果“SCTransNet: Spatial-Channel Cross Transformer Network for Infrared Small Target Detection”被ESI数据库遴选为高被引论文，受到了国防科技大学、南开大学、南京理工大学等多个单位的广泛引用和关注，谷歌学术被引频次为59次。该论文由澳门新葡京官网联合墨尔本大学共同发表，指导老师为秦翰林教授和延翔副教授。

红外小目标检测（IRSTD）在海上救援、目标预警等领域取得了广泛应用。目前，基于U形架构的编解码网络是一种常用的弱小目标检测框架。然而，现有的卷积神经网络(CNNs)和CNNS-Transformer混合结构在目标与背景高度相似的情况下，忽视了有效的全局语义理解。

图 空间通道交互Transformer网络架构

论文提出了一种用于IRSTD的空间通道交互Transformer网络（SCTransNet），如图1所示，其利用空间通道交互Transformer模块(SCTB)建立编码器和解码器特征之间的关联，以预测更深网络层中目标和背景的上下文差异。在SCTB模块内部引入了一种空间嵌入式单头通道交叉注意力模块，它通过局部空间特征与全局全层次通道信息的交互，建立目标和背景之间的语义相关性。其次，设计了一个互补的前馈网络，该网络采用多尺度策略并交互空间通道信息，以增强目标和背景之间的特征差异，从而有效促进将红外图像映射到分割空间。对三种公共数据集上方法的全面评估，显示了所提技术有效性和优越性。

论文链接：

//ieeexplore.ieee.org/abstract/document/10486932

注：ESI高被引论文（Highly Cited Papers）是指最近10年内发表论文中被引用次数排在相应学科领域全球前1%以内的论文。如今，ESI高被引论文已成为当今世界范围内普遍用以评价高校、学术机构、国家/地区国际学术水平及影响力的重要评价指标工具之一。