SAR-NAS：基于神经架构搜索的轻量级 SAR 目标检测
计算机视觉与模式识别
2025-09-03 v1
摘要
合成孔径雷达 (SAR) 目标检测面临散斑噪声、小目标模糊性以及星载计算约束等重大挑战。虽然现有方法主要侧重于针对 SAR 的特定架构修改，但本文探索了现有轻量级目标检测器（即 YOLOv10）在 SAR 目标检测中的应用，并通过神经架构搜索 (NAS) 增强其性能。具体而言，我们采用 NAS 系统地优化网络结构，特别侧重于骨干架构搜索。通过构建广泛的搜索空间并利用进化搜索，我们的方法找到了一种平衡精度、参数效率和计算成本的优良架构。值得注意的是，这项工作首次将 NAS 引入 SAR 目标检测。在大规模 SARDet-100K 数据集上的实验结果表明，我们优化后的模型优于现有的 SAR 检测方法，在保持较低计算开销的同时实现了卓越的检测精度。我们希望这项工作为利用 NAS 进行实际应用提供新的视角。
引用
@article{arxiv.2509.01279,
title = {SAR-NAS: Lightweight SAR Object Detection with Neural Architecture Search},
author = {Xinyi Yu and Zhiwei Lin and Yongtao Wang},
journal= {arXiv preprint arXiv:2509.01279},
year = {2025}
}
备注
Accepted by PRCV 2025