最新发布
2025-05-28 基本信息发布
赛事基本信息
红外小目标检测在空管监视、精确制导等军民领域应用广泛，但现有单帧检测方法难以应对卫星观测下的低信杂比目标。视频卫星数据场景复杂，空中动目标信号微弱，亟需通过时域信息挖掘目标运动特征。当前红外视频数据多限于近地视角，缺乏卫星观测视角下的高难度样本，制约了深度学习模型在极弱小目标检测中的发展。
竞赛的目的
1. 通过本次挑战赛促进科研技术的交流研讨和应用推广。
借助高水平会议的宣发优势，吸引更多参研单位积极加入，促进红外小目标检测领域的科研交流和进步，加速技术创新和应用推广。
2.通过本次挑战赛可以促进红外视频卫星空中动目标检测跟踪一体化技术发展。
依托竞赛模式，引入时域滤波技术和多帧关联分析，推动红外弱小检测与跟踪算法融合，提升技术鲁棒性与泛化性，助力技术在侦察、预警等领域落地应用。
竞赛的意义
1. 红外小目标检测发展瓶颈凸显，亟需关注时域信息以提升弱小目标检测能力。
红外小目标检测技术应用广泛，在空中交通管控、民航飞机监视、异常事件预警、精确制导等军民领域得到了广泛应用。近年来，随着深度学习技术的发展，红外小目标检测领域发展迅猛，涌现出大量基于单帧信息的检测方法。然而，单帧检测方法难以应对复杂场景下的低信杂比目标，卫星观测视角下的红外视频动目标检测尤其困难。
2. 红外视频卫星数据来源少、标注成本高，亟需弥补领域数据局限性。
尽管基于时域信息的红外极弱小检测重要性不言而喻，当前领域发展仍较缓慢，缺少红外视频卫星数据集是限制发展的关键因素。
3. 视频卫星遥感小目标检测大模型意义重大，亟需关注和发展。
近年来，生成式大模型技术如 ChatGPT、SAM 的成功，激发了对多模态视频遥感大模型应用的探索。基于光学的序列检测模型难以直接迁移到红外视频数据，本赛道致力于推动该领域技术进步。
奖项设置和奖励方法
| 奖项 | 数量 | 奖励方法 |
|---|---|---|
| 一等奖 | 2支队伍 | 每支队伍奖金8000元，颁发证书 |
| 二等奖 | 4支队伍 | 每支队伍奖金5000元，颁发证书 |
| 三等奖 | 10支队伍 | 每支队伍奖金1000元，颁发证书 |
| 优秀奖 | 若干 | 颁发证书 |
知识产权归属
参赛团队提交算法及可执行模型的知识产权归参赛团队所有，图像数据中公开数据部分由各数据集作者所有，主办方自建数据归主办方所有。各参赛队在赛前需签订数据使用协议，承诺本竞赛提供的数据集仅能用于本竞赛，不用于其他用途。提交的方案、算法须为自有知识产权，任何侵权责任由参赛团队承担。
承办方
国防科技大学、武汉大学
媒体支持
感谢微信公众号“中国图像图形学学会CSIG”、微信公众号“一点人工一点智能”、微信公众号“计算机视觉工坊”、社区网站“TechBeat”、微信公众号“计算机视觉工坊” 、微信公众号“计算机视觉研究院”、微信公众号“计算机视觉与机器学习”、微信公众号“遥感与深度学习”等平台的大力支持与宣传。
联系方式
联系人：李若敬
联系电话：15335352251