2026年5月4日，信息与智能工程学院王春平教授在书新三号楼东305教室，为2025级电子信息研究生及相关师生带来题为《数据驱动下红外小目标检测与跟踪技术研究进展及生态系统构建》的专题学术讲座。讲座聚焦智能感知与目标识别前沿，围绕复杂环境下红外小目标“看不清、辨不准、跟不稳”等关键难题，系统介绍了数据驱动方法在红外小目标检测与跟踪中的研究进展、技术路径与生态构建思路，现场师生认真聆听、积极交流，进一步拓宽了学生对计算机视觉与智能探测交叉领域的科研视野。
讲座伊始，王春平教授首先介绍了红外小目标检测与跟踪技术的研究背景。他指出，在复杂强电磁干扰环境下，传统雷达探测对雷达散射截面积极低的目标发现难度较大，而红外成像技术凭借被动探测、隐蔽性强、适应性好等特点，在低空安全、海上监测、无人机防御、目标预警等场景中具有重要应用价值。然而，红外小目标通常存在尺度小、信噪比低、纹理信息弱、背景杂波复杂等问题，给稳定检测、精确定位和连续跟踪带来了较大挑战。
一、红外小目标检测：从问题特征到算法体系
围绕红外小目标检测的核心问题，王春平教授结合典型图像案例，系统梳理了单帧检测算法的发展脉络。他从目标灰度、局部对比度、空间结构和背景抑制等角度出发，分析了传统先验驱动算法在复杂背景中的优势与局限。王教授强调，红外小目标往往缺少明显形状与纹理特征，算法不仅要突出弱小目标，还要有效抑制云层、海面、地物纹理等背景干扰，因此需要在目标显著性增强、虚警控制和实时处理之间取得平衡。
二、数据驱动方法：让模型在复杂场景中“看见”弱小目标
在数据驱动方法部分，王春平教授重点介绍了深度学习技术在红外小目标检测与跟踪中的应用进展。他结合多尺度特征提取、特征金字塔、注意力机制、语义分割网络等方法，讲解了深度模型如何从海量样本中学习目标与背景之间的细微差异，提升复杂场景下的检测精度与鲁棒性。针对小目标样本稀缺、标注成本高、场景泛化能力不足等问题，王教授进一步分析了数据集构建、评价指标设计、损失函数优化和对比实验规范的重要性，引导学生认识到科研工作不仅要提出算法，更要建立可验证、可复现、可比较的研究体系。
三、生态系统构建：从单点算法走向开放协同
讲座最后，王春平教授围绕红外小目标检测与跟踪生态系统构建进行了深入阐述。他指出，面向真实应用场景，单一算法性能的提升并不足以支撑技术长期发展，还需要围绕数据资源、算法模型、实验平台、评价标准和工程应用建立开放协同的科研生态。通过整理公开数据集、汇聚典型算法、完善测试基准和推动开源共享，可以有效降低研究门槛，促进学术交流与技术迭代，也有助于学生在真实问题牵引下开展系统化科研训练。
讲座结束后，王春平教授与现场师生进行了深入互动交流，就数据集建设、虚警抑制、模型泛化、复杂场景跟踪以及工程落地等问题进行了探讨。本次讲座既展示了红外小目标检测与跟踪领域的前沿成果，也帮助同学们进一步理解数据驱动研究范式和科研生态建设的重要意义，为后续开展智能感知、图像处理和目标识别方向的学习与研究提供了新的思路与方向。
一审一校 | 王春平
二审二校 | 杨涛 闫吉府
三审三校 | 李成名 尹娜
