DenoDet V2：用于 SAR 目标检测的相位-幅度交叉去噪
计算机视觉与模式识别
2025-08-14 v1
摘要
合成孔径雷达 (SAR) 目标检测的主要挑战之一在于相干噪声的普遍影响。作为常规做法，大多数现有方法，无论是手工设计的方法还是基于深度学习的方法，都采用对目标空间域特征的分析或增强来实现隐式去噪。在本文中，我们提出了 DenoDet V2，它探索了一种全新且不同的视角，通过精心设计的注意力架构在变换域中解构和调制特征。与 DenoDet V1 相比，DenoDet V2 是一项重大进步，它通过逐带互调制机制利用幅度和相位信息的互补性，实现了相位与幅度谱之间的互惠增强。在各种 SAR 数据集上的大量实验证明了 DenoDet V2 的 state-of-the-art 性能。值得注意的是，与 DenoDet V1 相比，DenoDet V2 在 SARDet-100K 数据集上实现了 0.8% 的显著提升，同时将模型复杂度降低了一半。代码可在 https://github.com/GrokCV/GrokSAR 获取。
引用
@article{arxiv.2508.09392,
title = {DenoDet V2: Phase-Amplitude Cross Denoising for SAR Object Detection},
author = {Kang Ni and Minrui Zou and Yuxuan Li and Xiang Li and Kehua Guo and Ming-Ming Cheng and Yimian Dai},
journal= {arXiv preprint arXiv:2508.09392},
year = {2025}
}