Flat U-Net：用于全盘 H$\alpha$ 图像太阳丝 filament 分割的高效超轻量模型

太阳丝 filament 是太阳上最显著的特征之一，其演变与各种太阳活动密切相关，如日晕抛射和流星雨。实时自动识别太阳丝 filament 是管理大量数据的最有效方法。现有的丝 filament 识别模型特征为大参数规模和高计算成本，这限制了其在高度集成和智能地面和太空观测设备中的未来应用。因此，设计更轻量级的模型将促进智能观测设备的发展。本研究引入了 Flat U-Net，这是一个新型且高度有效的超轻量级模型，包含简化通道注意力（SCA）和通道自注意力（CSA）卷积块，用于全盘 H$\alpha$ 图像中太阳丝 filament 的分割。每个网络层的特征信息被完全提取，以重建 interchannel 特征表示。每个块有效地优化了来自前一层的通道特征，显著减少参数。网络架构呈现优雅的展平，提高了效率，简化了整体设计。实验验证表明，由纯 SCA 组成的模型实现约 0.93 的精确率， dice 相似系数（DSC）和召回率为 0.76 和 0.64，显著优于经典 U-Net。引入一定数量的 CSA 块可将 DSC 和召回率提升至 0.82 和 0.74，这表明在模型权重大小和检测效果方面具有显著优势。该数据集、模型和代码均作为开源资源提供。