地科學院碩士生張晶在地球科學2區TOP期刊《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》發表題目為“DEPDet: A Cross-Spatial Multiscale Lightweight Network for Ship Detection of SAR Images in Complex Scenes”的研究論文。永利6774app手机版官网為論文第一署名單位，碩士研究生張晶為論文第一作者，其導師鄧帆為論文通訊作者。

合成孔徑雷達（SAR）船舶場景的複雜性，多尺度船舶目标，影響船舶檢測精度。另外，為更好地實現工業落地，減少硬件上的支出，模型的輕量化方面也存在相當大的挑戰。為了解決上述問題，該論文提出了一種跨空間多尺度輕量級網絡架構DEPDet，重新設計了一個高效多尺度檢測骨幹網絡DEMNet。為了解決多尺度船舶問題，作者設計了跨空間多尺度卷積（CSMSConv），并構造了跨空間多尺度模塊（CSMSC2F），它能更好地提取和融合多尺度船舶的細節特征，提高了船舶檢測的能力。此外，引入了高效多尺度注意力機制（EMA），提高了模型在特征提取方面的性能，特别是針對複雜場景中的小型密集船舶，它能有效地抑制了複雜背景的幹擾，突出了船舶目标。為了提高不同尺度特征的融合效果，結合可變形卷積和CSMSC2F，設計了一種新的路徑聚合特征金字塔網絡DEPAFPN。最後，通過引入部分卷積（PConv），構造了一個輕量級的檢測頭模塊PCHead，該模塊通過同時減少冗餘計算和存儲操作，能夠更有效地提取空間信息。在公開數據集SSDD和HRSID上進行了一系列的對比實驗。該模型在SSDD和HRSID上分别獲得了98.2%和91.6%的mAP，F1分别達到了0.950和0.871。同時，該模型的Params和FLOPs分别僅為2.1M和4.5G。實驗結果表明，該論文提出的模型同時兼顧了檢測精度和輕量化效果，具有良好的泛化性和擴展性。

論文鍊接：https://ieeexplore.ieee.org/document/10695810

圖1.DEPDet的總體網絡結構

圖2.複雜場景下的SAR船舶檢測對比實驗結果。黃色圓圈表示誤檢區域，藍色圓圈表示漏檢區域。

圖3.論文首頁