-
题名超轻量化SAR影像小目标检测网络
- 1
-
-
作者
杨晓敏
杨军
-
机构
兰州交通大学测绘与地理信息学院
兰州交通大学电子与信息工程学院
地理国情监测技术应用国家地方联合工程研究中心
甘肃省地理国情监测工程实验室
-
出处
《光学精密工程》
北大核心
2025年第10期1672-1690,共19页
-
基金
国家自然科学基金项目(No.42261067)
2025年度甘肃省重点人才项目(No.2025RCXM031)。
-
文摘
采用卷积神经网络技术的合成孔径雷达(SAR)影像目标检测方法尽管能够实现较好的检测精度,但模型复杂度较高,限制了其在军事快速决策、海上紧急救援等领域的实际应用与部署。为此,本文提出一种用于雷达影像的超轻量化小目标检测模型。首先,设计了多分支高效层聚合模块,以增强多尺度感知并适应实际设备的各种资源和计算能力。其次,利用细节增强与共享检测头重点关注小目标信息,减轻海、陆杂波干扰造成的误检。最后,采用特征丰富度引导的剪枝和知识蒸馏指导目标的表示学习,进一步压缩模型和提升性能。实验结果表明,该网络模型以4.186 G计算量和0.888 M参数量,在MSAR,SAR-Ship,AIR-SARShip-2.0,SSDD和HRSID数据集上检测准确率分别达到89.0%,98.1%,82.5%,98.6%和91.5%。本文算法具有较好的鲁棒性,网络模型在最小体积下可以取得较优的检测速度和精度。
-
关键词
SAR影像
小目标检测
超轻量化
多分支高效层聚合
增强共享检测头
剪枝与知识蒸馏
-
Keywords
SAR image
small object detection
ultra lightweight
multi branch efficient layer aggregation
enhance shared detection head
pruning and knowledge distillation
-
分类号
TP751.1
[自动化与计算机技术—检测技术与自动化装置]
-
