地科学院硕士生张晶在地球科学2区TOP期刊《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》发表题目为“DEPDet: A Cross-Spatial Multiscale Lightweight Network for Ship Detection of SAR Images in Complex Scenes”的研究论文。必赢唯一官方网站为论文第一署名单位，硕士研究生张晶为论文第一作者，其导师邓帆为论文通讯作者。

合成孔径雷达（SAR）船舶场景的复杂性，多尺度船舶目标，影响船舶检测精度。另外，为更好地实现工业落地，减少硬件上的支出，模型的轻量化方面也存在相当大的挑战。为了解决上述问题，该论文提出了一种跨空间多尺度轻量级网络架构DEPDet，重新设计了一个高效多尺度检测骨干网络DEMNet。为了解决多尺度船舶问题，作者设计了跨空间多尺度卷积（CSMSConv），并构造了跨空间多尺度模块（CSMSC2F），它能更好地提取和融合多尺度船舶的细节特征，提高了船舶检测的能力。此外，引入了高效多尺度注意力机制（EMA），提高了模型在特征提取方面的性能，特别是针对复杂场景中的小型密集船舶，它能有效地抑制了复杂背景的干扰，突出了船舶目标。为了提高不同尺度特征的融合效果，结合可变形卷积和CSMSC2F，设计了一种新的路径聚合特征金字塔网络DEPAFPN。最后，通过引入部分卷积（PConv），构造了一个轻量级的检测头模块PCHead，该模块通过同时减少冗余计算和存储操作，能够更有效地提取空间信息。在公开数据集SSDD和HRSID上进行了一系列的对比实验。该模型在SSDD和HRSID上分别获得了98.2%和91.6%的mAP，F1分别达到了0.950和0.871。同时，该模型的Params和FLOPs分别仅为2.1M和4.5G。实验结果表明，该论文提出的模型同时兼顾了检测精度和轻量化效果，具有良好的泛化性和扩展性。

论文链接：https://ieeexplore.ieee.org/document/10695810

图1.DEPDet的总体网络结构

图2.复杂场景下的SAR船舶检测对比实验结果。黄色圆圈表示误检区域，蓝色圆圈表示漏检区域。

图3.论文首页