BasicIRSTD

KO | EN

gitlite — search

#javascript #hacktoberfest #typescript #golang #machine-learning #deep-learning #nodejs #java #windows #cli #vue #security #pytorch #openai

(★ 315)

BasicIRSTD toolbox

BasicIRSTD 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# BasicIRSTD

**BasicIRSTD is a PyTorch-based open-source and easy-to-use toolbox for infrared small target detction (IRSTD). This toolbox 
introduces a simple pipeline to train/test your methods, and builds a benchmark to comprehensively evaluate the performance of existing methods.
Our BasicIRSTD can help researchers to get access to infrared small target detction quickly, and facilitates the development of novel methods. Welcome to contribute your own methods to the benchmark.**

**Note: This repository will be updated on a regular basis. Please stay tuned!**

## Contributions
* **We provide a PyTorch-based open-source and easy-to-use toolbox for IRSTD.**
* **We re-implement a number of existing methods on the unified datasets, and develop a benchmark for performance evaluation.**
* **We share the codes, models and results of existing methods to help researchers better get access to this area.**

## News & Updates
* **Apirl 4, 2022: Pulic The BasicIRSTD ToolBox.**
* **July 24, 2023: Update BasicIRSTD ToolBox (stable version).**

**Code: We fix bugs to ensure the stability of training results.** 
 
 **Results: We reprodude all models and update the results in table.**
* **April 19, 2024: Update README.md.**

**New section "[Build](https://github.com/XinyiYing/BasicIRSTD?tab=readme-ov-file#build)": We add instructions for DCNv2 compiling of ISNet.** 
 **New section "[Train on your own models](https://github.com/XinyiYing/BasicIRSTD?tab=readme-ov-file#train-on-your-own-models)": We add instructions for self-defined model usage.**
* **May 11, 2024: Update README.md.**
 
 **Updated section "[Recources](Recources)": Update the link to the pre-trained models and result files.**

## Requirements
- **Python 3**
- **pytorch 1.2.0 or higher**
- **numpy, PIL, tqdm, shutil**

## Datasets
* **NUST-SIRST** &nbsp; [[download]](https://github.com/wanghuanphd/MDvsFA_cGAN) &nbsp; [[paper]](https://openaccess.thecvf.com/content_ICCV_2019/papers/Wang_Miss_Detection_vs._False_Alarm_Adversarial_Learning_for_Small_Object_ICCV_2019_paper.pdf)
* **SIRST-v1** &nbsp; [[download]](https://github.com/YimianDai/sirst) &nbsp; [[paper]](https://arxiv.org/pdf/2009.14530.pdf)
* **SIRST-v2** &nbsp; [[download]](https://github.com/YimianDai/open-deepinfrared) &nbsp; [[paper]](https://arxiv.org/pdf/2212.08472.pdf)
* **NUDT-SIRST** &nbsp; [[download]](https://github.com/YeRen123455/Infrared-Small-Target-Detection) &nbsp; [[paper]](https://ieeexplore.ieee.org/abstract/document/9864119)
* **IRSTD-1K** &nbsp; [[download dir]](https://github.com/RuiZhang97/ISNet) &nbsp; [[paper]](https://ieeexplore.ieee.org/document/9880295)
* **NUDT-SIRST-Sea** &nbsp; [[download]](https://github.com/TianhaoWu16/Multi-level-TransUNet-for-Space-based-Infrared-Tiny-ship-Detection) &nbsp; [[paper]](https://ieeexplore.ieee.org/document/10011449/)
* **IRDST** &nbsp; [[download]](https://github.com/sun11999/RDIAN) &nbsp; [[paper]](https://ieeexplore.ieee.org/document/10011452/)

**We used the SIRST-v1, NUDT-SIRST, IRSTD-1K for both training and test. 
Please first download our datasets via [Baidu Drive](https://pan.baidu.com/s/1df4LagRRjyNeZSfoIqOuHg?pwd=1113) (key:1113) or [Google Drive](https://drive.google.com/file/d/1LscYoPnqtE32qxv5v_dB4iOF4dW3bxL2/view?usp=sharing), and place the 3 datasets to the folder `./datasets/`. More results will be released soon!**

* **Our project has the following structure:**
 ```
 ├──./datasets/
 │ ├── SIRST-v1
 │ │ ├── images
 │ │ │ ├── XDU0.png
 │ │ │ ├── XDU1.png
 │ │ │ ├── ...
 │ │ ├── masks
 │ │ │ ├── XDU0.png
 │ │ │ ├── XDU1.png
 │ │ │ ├── ...
 │ │ ├── img_idx
 │ │ │ ├── train_SIRST-v1.txt
 │ │ │ ├── test_SIRST-v1.txt
 │ ├── NUDT-SIRST
 │ │ ├── images
 │ │ │ ├── 000001.png
 │ │ │ ├── 000002.png
 │ │ │ ├── ...
 │ │ ├── masks
 │ │ │ ├── 000001.png
 │ │ │ ├── 000002.png
 │ │ │ ├── ...
 │ │ ├── img_idx
 │ │ │ ├── train_NUDT-SIRST.txt
 │ │ │ ├── test_NUDT-SIRST.txt
 │ ├── ... 
 ```
<be>

## Build
***Compile DCN for ISNet***: 
1. Cd to ```model/ISNet/DCNv2```.
2. run ```bash make.sh```. The scripts will build DCNv2 automatically and create some folders.
3. To skip the use of DCNv2, you have to annotate ISNet in ```model/__init__.py```.

## Commands
### Commands for training
* **Run **`train.py`** to perform network training in single GPU and multiple GPUs. Example for training [model_name] on [dataset_name] datasets:**
  ```
  $ python train.py --model_names ACM ALCNet --dataset_names SIRST-v1
  $ CUDA_VISIBLE_DEVICES=0,1 python train.py --model_names ACM ALCNet --dataset_names SIRST-v1
  ```
* **Checkpoints and Logs will be saved to **`./log/`**, and the **`./log/`** has the following structure:**
  ```
  ├──./log/
  │    ├── [dataset_name]
  │    │    ├── [model_name]_eopch400.pth.tar
  ```

<be>

### Train on your own models
* **Create a folder in ```./model```, and put your own model in this folder.**
 ```
 ├──./model/
 │ ├── xxxNet
 │ │ ├── model.py
 ```
* **Add the model in ```model/__init__.py```..**
 ```
 from model.ACM.model_ACM import ASKCResUNet as ACM
 ...
 from model.xxxNet.model import net as xxxNet
 ```
* **Add the model in ```net.py```..**
 ```
 if model_name == 'DNANet':
 self.model = DNANet(mode='train')
 ...
 elif model_name == 'xxxNet':
 self.model = xxxNet()
 ...
### Commands for test
* **Run **`test.py`** to perform network inference and evaluation. Example for test [model_name] on [dataset_name] datasets:**
 ```
 $ python test.py --model_names ACM ALCNet --dataset_names SIRST-v1
 ```
 
* **The PA/mIoU and PD/FA values of each dataset will be saved to** **`./test_[current time].txt`** 
* **Network predictions will be saved to** **`./results/`** **that has the following structure**:
 ```
 ├──./results/
 │ ├── [dataset_name]
 │ │ ├── [model_name]
 │ │ │ ├── XDU0.png
 │ │ │ ├── XDU1.png
 │ │ │ ├── ...
 │ │ │ ├── XDU20.png
 ```
### Commands for inference only with images
* **Run **`inference.py`** to inference only with images. Examples:**
 ```
 $ python inference.py --model_names ACM --dataset_names SIRST-v1
 ```
* **Network predictions will be saved to** **`./results/`** **that has the following structure**:
 ```
 ├──./results/
 │ ├── [dataset_name]
 │ │ ├── [model_name]
 │ │ │ ├── XDU0.png
 │ │ │ ├── XDU1.png
 │ │ │ ├── ...
 │ │ │ ├── XDU20.png
 ```
 
### Commands for evaluate on your own results
* **Please first put your results on** **`./results/`** **that has the following structure:**
 ```
 ├──./results/
 │ ├── [dataset_name]
 │ │ ├── [method_name]
 │ │ │ ├── XDU0.png
 │ │ │ ├── XDU1.png
 │ │ │ ├── ...
 │ │ │ ├── XDU20.png
 ```
* **Run **`evaluate.py`** for direct eevaluation. Example for evaluate [model_name] on [dataset_name] datasets:**
 ```
 $ python evaluate.py --model_names ACM --dataset_names SIRST-v1
 ```
* **The PA/mIoU and PD/FA values of each dataset will be saved to** **`./eval_[current time].txt`**

### Commands for parameters/FLOPs calculation
* **Run **`cal_params.py`** for parameters and FLOPs calculation. Examples:**
 ```
 $ python cal_params.py --model_names ACM ALCNet
 ```
* **The parameters and FLOPs of each method will be saved to** **`./params_[current time].txt`** 
<be>

## Benchmark

**We benchmark several methods on the above datasets. mIoU, PD and FA metrics under threshold=0.5 are used for quantitative evaluation.**

**Note: A detailed review of existing IRSTD methods can be referred to [Tianfang-Zhang/awesome-infrared-small-targets](https://github.com/Tianfang-Zhang/awesome-infrared-small-targets).**

### **mIoU/PD/FA values achieved by different methods:**

<table class="MsoTableGrid" border="0" cellspacing="0" cellpadding="0" style="border-collapse:collapse;border:none;mso-yfti-tbllook:1184;mso-padding-alt:
 0cm 5.4pt 0cm 5.4pt;mso-border-insideh:none;mso-border-insidev:none">
 <tbody><tr style="mso-yfti-irow:0;mso-yfti-firstrow:yes;height:14.2pt">
 <td width="83" rowspan="2" style="width:41.65pt;border:none;border-bottom:solid windowtext 1.0pt;
 mso-border-bottom-alt:solid windowtext .25pt;padding:0cm 5.4pt 0cm 5.4pt;
 height:14.2pt">
 Methods<o:p></o:p>
 </td>
 <td width="73" rowspan="2" style="width:37.2pt;border:none;border-bottom:solid windowtext 1.0pt;
 mso-border-bottom-alt:solid windowtext .25pt;padding:0cm 5.4pt 0cm 5.4pt;
 height:14.2pt">
 #Params<o:p></o:p>
 </td>
 <td width="67" rowspan="2" style="width:34.5pt;border:none;border-bottom:solid windowtext 1.0pt;
 mso-border-bottom-alt:solid windowtext .25pt;padding:0cm 5.4pt 0cm 5.4pt;
 height:14.2pt">
 FLOPs<o:p></o:p>
 </td>
 <td width="196" colspan="3" style="width:100.65pt;padding:0cm 5.4pt 0cm 5.4pt;
 height:14.2pt">
 SIRST-v1<o:p></o:p>
 </td>
 <td width="196" colspan="3" style="width:100.65pt;padding:0cm 5.4pt 0cm 5.4pt;
 height:14.2pt">
 NUDT-SIRST<o:p></o:p>
 </td>
 <td width="196" colspan="3" style="width:100.65pt;padding:0cm 5.4pt 0cm 5.4pt;
 height:14.2pt">
 IRSTD-1K<o:p></o:p>
 </td>
 </tr>
 <tr style="mso-yfti-irow:1;height:14.2pt">
 <td width="57" style="width:30.0pt;border:none;border-bottom:solid windowtext 1.0pt;
 mso-border-bottom-alt:solid windowtext .25pt;padding:0cm 5.4pt 0cm 5.4pt;
 height:14.2pt">
 IoU<o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;border:none;border-bottom:solid windowtext 1.0pt;
 mso-border-bottom-alt:solid windowtext .25pt;padding:0cm 5.4pt 0cm 5.4pt;
 height:14.2pt">
 Pd<o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;border:none;border-bottom:solid windowtext 1.0pt;
 mso-border-bottom-alt:solid windowtext .25pt;padding:0cm 5.4pt 0cm 5.4pt;
 height:14.2pt">
 Fa<o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;border:none;border-bottom:solid windowtext 1.0pt;
 mso-border-bottom-alt:solid windowtext .25pt;padding:0cm 5.4pt 0cm 5.4pt;
 height:14.2pt">
 IoU<o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;border:none;border-bottom:solid windowtext 1.0pt;
 mso-border-bottom-alt:solid windowtext .25pt;padding:0cm 5.4pt 0cm 5.4pt;
 height:14.2pt">
 Pd<o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;border:none;border-bottom:solid windowtext 1.0pt;
 mso-border-bottom-alt:solid windowtext .25pt;padding:0cm 5.4pt 0cm 5.4pt;
 height:14.2pt">
 Fa<o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;border:none;border-bottom:solid windowtext 1.0pt;
 mso-border-bottom-alt:solid windowtext .25pt;padding:0cm 5.4pt 0cm 5.4pt;
 height:14.2pt">
 IoU<o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;border:none;border-bottom:solid windowtext 1.0pt;
 mso-border-bottom-alt:solid windowtext .25pt;padding:0cm 5.4pt 0cm 5.4pt;
 height:14.2pt">
 Pd<o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;border:none;border-bottom:solid windowtext 1.0pt;
 mso-border-bottom-alt:solid windowtext .25pt;padding:0cm 5.4pt 0cm 5.4pt;
 height:14.2pt">
 Fa<o:p></o:p>
 </td>
 </tr>
 <tr style="mso-yfti-irow:2;height:14.2pt">
 <td width="83" style="width:41.65pt;border:none;mso-border-top-alt:solid windowtext .25pt;
 padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 Top-Hat<o:p></o:p>
 </td>
 <td width="73" style="width:37.2pt;border:none;mso-border-top-alt:solid windowtext .25pt;
 padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 -<o:p></o:p>
 </td>
 <td width="67" style="width:34.5pt;border:none;mso-border-top-alt:solid windowtext .25pt;
 padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 -<o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;border:none;mso-border-top-alt:solid windowtext .25pt;
 padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 7.142 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;border:none;mso-border-top-alt:solid windowtext .25pt;
 padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 79.841 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;border:none;mso-border-top-alt:solid windowtext .25pt;
 padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 1012.003 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;border:none;mso-border-top-alt:solid windowtext .25pt;
 padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 20.724 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;border:none;mso-border-top-alt:solid windowtext .25pt;
 padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 78.408 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;border:none;mso-border-top-alt:solid windowtext .25pt;
 padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 166.704 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;border:none;mso-border-top-alt:solid windowtext .25pt;
 padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 10.062 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;border:none;mso-border-top-alt:solid windowtext .25pt;
 padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 75.108 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;border:none;mso-border-top-alt:solid windowtext .25pt;
 padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 1432.003 <o:p></o:p>
 </td>
 </tr>
 <tr style="mso-yfti-irow:3;height:14.2pt">
 <td width="83" style="width:41.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 Max-Median<o:p></o:p>
 </td>
 <td width="73" style="width:37.2pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 -<o:p></o:p>
 </td>
 <td width="67" style="width:34.5pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 -<o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 1.168 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 30.196 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 55.332 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 4.201 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 58.413 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 36.888 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 7.003 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 65.213 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 59.731 <o:p></o:p>
 </td>
 </tr>
 <tr style="mso-yfti-irow:4;height:14.2pt">
 <td width="83" style="width:41.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 RLCM<o:p></o:p>
 </td>
 <td width="73" style="width:37.2pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 -<o:p></o:p>
 </td>
 <td width="67" style="width:34.5pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 -<o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 21.022 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 80.612 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 199.154 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 15.139 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 66.348 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 162.996 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 14.623 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 65.658 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 17.949 <o:p></o:p>
 </td>
 </tr>
 <tr style="mso-yfti-irow:5;height:14.2pt">
 <td width="83" style="width:41.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 WSLCM<o:p></o:p>
 </td>
 <td width="73" style="width:37.2pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 -<o:p></o:p>
 </td>
 <td width="67" style="width:34.5pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 -<o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 1.021 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 80.987 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 45846.164 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 0.848 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 74.574 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 52391.633 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 0.989 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 70.026 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 15027.084 <o:p></o:p>
 </td>
 </tr>
 <tr style="mso-yfti-irow:6;height:14.2pt">
 <td width="83" style="width:41.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 TLLCM<o:p></o:p>
 </td>
 <td width="73" style="width:37.2pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 -<o:p></o:p>
 </td>
 <td width="67" style="width:34.5pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 -<o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 11.034 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 79.473 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 7.268 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 7.059 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 62.014 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 46.118 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 5.357 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 63.966 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 4.928 <o:p></o:p>
 </td>
 </tr>
 <tr style="mso-yfti-irow:7;height:14.2pt">
 <td width="83" style="width:41.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 MSLCM<o:p></o:p>
 </td>
 <td width="73" style="width:37.2pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 -<o:p></o:p>
 </td>
 <td width="67" style="width:34.5pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 -<o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 11.557 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 78.332 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 8.374 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 6.646 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 56.827 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 25.619 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 5.346 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 59.932 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 5.410 <o:p></o:p>
 </td>
 </tr>
 <tr style="mso-yfti-irow:8;height:14.2pt">
 <td width="83" style="width:41.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 MSPCM<o:p></o:p>
 </td>
 <td width="73" style="width:37.2pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 -<o:p></o:p>
 </td>
 <td width="67" style="width:34.5pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 -<o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 12.837 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 83.271 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 17.773 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 5.859 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 55.866 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 115.961 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 7.332 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 60.270 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 15.242 <o:p></o:p>
 </td>
 </tr>
 <tr style="mso-yfti-irow:9;height:14.2pt">
 <td width="83" style="width:41.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 IPI<o:p></o:p>
 </td>
 <td width="73" style="width:37.2pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 -<o:p></o:p>
 </td>
 <td width="67" style="width:34.5pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 -<o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 25.674 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 85.551 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 11.470 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 17.758 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 74.486 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 41.230 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 27.923 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 81.374 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 16.183 <o:p></o:p>
 </td>
 </tr>
 <tr style="mso-yfti-irow:10;height:14.2pt">
 <td width="83" style="width:41.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 NRAM<o:p></o:p>
 </td>
 <td width="73" style="width:37.2pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 -<o:p></o:p>
 </td>
 <td width="67" style="width:34.5pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 -<o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 12.164 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 74.523 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 13.852 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 6.931 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 56.403 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 19.267 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 15.249 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 70.677 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 16.926 <o:p></o:p>
 </td>
 </tr>
 <tr style="mso-yfti-irow:11;height:14.2pt">
 <td width="83" style="width:41.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 RIPT<o:p></o:p>
 </td>
 <td width="73" style="width:37.2pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 -<o:p></o:p>
 </td>
 <td width="67" style="width:34.5pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 -<o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 11.048 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 79.077 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 22.612 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 29.441 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 91.850 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 344.303 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 14.106 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 77.548 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 28.310 <o:p></o:p>
 </td>
 </tr>
 <tr style="mso-yfti-irow:12;height:14.2pt">
 <td width="83" style="width:41.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 PSTNN<o:p></o:p>
 </td>
 <td width="73" style="width:37.2pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 -<o:p></o:p>
 </td>
 <td width="67" style="width:34.5pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 -<o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 22.401 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 77.953 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 29.109 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 14.848 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 66.132 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 44.170 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 24.573 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 71.988 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 35.261 <o:p></o:p>
 </td>
 </tr>
 <tr style="mso-yfti-irow:13;height:14.2pt">
 <td width="83" style="width:41.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 MSLSTIPT<o:p></o:p>
 </td>
 <td width="73" style="width:37.2pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 -<o:p></o:p>
 </td>
 <td width="67" style="width:34.5pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 -<o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 10.302 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 82.128 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 1131.002 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 8.341 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 47.399 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 88.102 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 11.432 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 79.027 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 1524.004 <o:p></o:p>
 </td>
 </tr>
 <tr style="mso-yfti-irow:14;height:14.2pt">
 <td width="83" style="width:41.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 <a href="https://github.com/YimianDai/open-acm">ACM</a><o:p></o:p>
 </td>
 <td width="73" style="width:37.2pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 0.398M<o:p></o:p>
 </td>
 <td width="67" style="width:34.5pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 0.402G<o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 69.440 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 92.015 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 22.707 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 64.855 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 96.720 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 28.587 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 60.326 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 93.266 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 68.494 <o:p></o:p>
 </td>
 </tr>
 <tr style="mso-yfti-irow:15;height:14.2pt">
 <td width="83" style="width:41.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 <a href="https://github.com/YimianDai/open-alcnet">ALCNet</a><o:p></o:p>
 </td>
 <td width="73" style="width:37.2pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 0.427M<o:p></o:p>
 </td>
 <td width="67" style="width:34.5pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 0.378G<o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 61.047 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 87.072 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 55.978 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 61.131 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 97.249 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 29.093 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 58.088 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 92.929 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 74.453 <o:p></o:p>
 </td>
 </tr>
 <tr style="mso-yfti-irow:16;height:14.2pt">
 <td width="83" style="width:41.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 <a href="https://github.com/RuiZhang97/ISNet">ISNet</a><o:p></o:p>
 </td>
 <td width="73" style="width:37.2pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 0.966M<o:p></o:p>
 </td>
 <td width="67" style="width:34.5pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 30.618G<o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 70.491 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 95.057 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 67.983 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 81.236 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 97.778 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 6.343 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 61.852 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 90.236 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 31.561 <o:p></o:p>
 </td>
 </tr>
 <tr style="mso-yfti-irow:17;height:14.2pt">
 <td width="83" style="width:41.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 <a href="https://github.com/sun11999/RDIAN">RDIAN</a><o:p></o:p>
 </td>
 <td width="73" style="width:37.2pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 0.217M<o:p></o:p>
 </td>
 <td width="67" style="width:34.5pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 3.718G<o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 70.737 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 95.057 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 48.158 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 82.419 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 98.836 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 14.845 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 59.939 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 87.205 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 33.307 <o:p></o:p>
 </td>
 </tr>
 <tr style="mso-yfti-irow:18;height:14.2pt">
 <td width="83" style="width:41.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 <a href="https://github.com/YeRen123455/Infrared-Small-Target-Detection">DNA-Net</a><o:p></o:p>
 </td>
 <td width="73" style="width:37.2pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 4.697M<o:p></o:p>
 </td>
 <td width="67" style="width:34.5pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 14.261G<o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 74.815 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 93.536 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 38.279 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 94.192 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 99.259 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 2.436 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 65.735 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 89.562 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 12.336 <o:p></o:p>
 </td>
 </tr>
 <tr style="mso-yfti-irow:19;height:14.2pt">
 <td width="83" style="width:41.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 <a href="https://github.com/zhanglw882/ISTDU-Net">ISTDU-Net</a><o:p></o:p>
 </td>
 <td width="73" style="width:37.2pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 2.752M<o:p></o:p>
 </td>
 <td width="67" style="width:34.5pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 7.944G<o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 75.928 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 96.198 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 38.897 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 91.762 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 98.519 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 3.769 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 65.014 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 93.939 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 26.437 <o:p></o:p>
 </td>
 </tr>
 <tr style="mso-yfti-irow:20;mso-yfti-lastrow:yes;height:14.2pt">
 <td width="83" style="width:41.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 <a href="https://github.com/danfenghong/IEEE_TIP_UIU-Net">UIU-Net</a><o:p></o:p>
 </td>
 <td width="73" style="width:37.2pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 50.540M<o:p></o:p>
 </td>
 <td width="67" style="width:34.5pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 54.426G<o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 77.531 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 92.395 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 9.330 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 90.517 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 98.836 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 8.342 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 65.690 <o:p></o:p>
 </td>
 <td width="57" style="width:30.0pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 91.246 <o:p></o:p>
 </td>
 <td width="81" style="width:40.65pt;padding:0cm 5.4pt 0cm 5.4pt;height:14.2pt">
 13.475 <o:p></o:p>
 </td>
 </tr>
</tbody></table>

## Recources
* **We provide the result files generated by the aforementioned methods, and researchers can download the results via [Baidu Drive](https://pan.baidu.com/s/1wXxlqp9R6G5aeBCy2ftl-A?pwd=1113) (key:1113) and [One Drive](https://1drv.ms/f/s!AoFCxCGMfhW6qX3-2B54zKzPGI5b?e=rQoxAs).**
* **The pre-trained models of the aforementioned methods can be downlaod via [Baidu Drive](https://pan.baidu.com/s/1mhHz0A-6H38kBBJf9hRY6Q?pwd=1113) (key:1113) and [One Drive](https://1drv.ms/f/s!AoFCxCGMfhW6qX4lS1I9V_B9JCgU?e=y3laRj).**

## Acknowledgement
**We would like to thank [Boyang Li](https://github.com/YingqianWang), [Ruojing Li](https://github.com/TinaLRJ), [Tianhao Wu](https://github.com/YingqianWang) and [Ting Liu](https://github.com/LiuTing20a) for the helpful discussions and insightful suggestions regarding this repository.**

## Contact
**Welcome to raise issues or email to [yingxinyi18@nudt.edu.cn](yingxinyi18@nudt.edu.cn) for any question regarding our BasicIRSTD.**

BasicIRSTD

BasicIRSTD 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

BasicIRSTD

BasicIRSTD 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README