RSNet：用于SAR舰船检测的轻量框架
计算机视觉与模式识别
2025-06-10 v7 图像与视频处理
摘要
近期利用深度学习进行合成孔径雷达（SAR）舰船检测的进展显著提升了准确率和速度，但在参数较少的情况下有效检测复杂背景下的小目标仍是一个挑战。本文介绍RSNet，一个轻量级框架，旨在增强SAR图像中的舰船检测。为在较少参数的情况下确保准确性，我们提出了Waveletpool-ContextGuided（WCG）作为其主干网络，通过多尺度小波特征实现全局上下文理解，以有效检测复杂场景中的目标。此外，引入Waveletpool-StarFusion（WSF）作为颈部结构，采用残差小波元素级乘法结构，在不增加网络宽度的情况下实现更高维度的非线性特征。设计Lightweight-Shared（LS）模块作为检测组件，通过轻量级共享卷积结构和多格式兼容性实现高效检测。在SSDD和高分辨率SAR图像数据集（HRSID）上的实验表明，RSNet在轻量化设计与检测性能之间取得了强大的平衡，超过许多最先进的检测器，分别达到72.5%和67.6%的mAP_{.50:.95}，参数仅为1.49M。我们的代码将很快公开。
引用
@article{arxiv.2410.23073,
title = {RSNet: A Light Framework for The Detection of SAR Ship Detection},
author = {Hongyu Chen and Chengcheng Chen and Fei Wang and Yuhu Shi and Weiming Zeng},
journal= {arXiv preprint arXiv:2410.23073},
year = {2025}
}