MambaDSF：用于声纳小目标检测的多尺度 SSM 带膨胀特征融合
摘要
声纳成像是 underwater target 检测的主要模态，但小目标因像素覆盖不足、声学对比度低以及不同成像范围内尺度模糊，仍然难以检测。CNN-based 检测器高效提取局部特征，但无法在没有全局声学上下文的情况下抑制噪声引起的误报。Transformer-based 方法在 quadratic 计算成本下捕获长程依赖。现有 Mamba-based 视觉模型在线性计算成本下提供高效扫描，但缺乏跨金字塔层级的多尺度语义对齐、多感受野融合以及针对小目标的训练监督，导致声纳检测不可靠。本文提出 Mamba Dilated-Scale Fusion (MambaDSF)，一种解决上述局限性的混合框架，通过三个贡献实现：一个在线性复杂度下联合捕获局部回声线索和全局声学上下文的 Mamba Enhanced Feature Pyramid (MambaEFP) 主干网络；一个强制跨金字塔层级多尺度特征对齐的 Dilate Fusion Mamba (DFMamba) 编码器；以及 Scale-Adaptive Weighted IoU (SA-WIoU) 和 Cross-Scale Coherence (CSC) 损失，以稳定小目标训练。MambaDSF 在 UATD 前向声纳基准测试中实现 91.5% mAP50，参数仅 2870 万，超越所有比较检测器。在小目标子集上提升达 +2.2 个百分点，跨域评估在 FLS 和 MD-FLS 上确认了所提架构的泛化性。代码已公开于 https://github.com/IDontKnowAAA/MambaDSF。
引用
@article{arxiv.2605.24928,
title = {MambaDSF: Multi-Scale SSM with Dilated Feature Fusion for Sonar Small Target Detection},
author = {Hui Lin and Jiayi Li and Jing Wang and Shenghui Rong},
journal= {arXiv preprint arXiv:2605.24928},
year = {2026}
}
备注
8 pages, 4 figures, under review at IEEE Geoscience and Remote Sensing Letters (GRSL)