研究人员开发了RSTNet，这是一种旨在提高在有噪声的合成孔径雷达（SAR）图像中识别小目标能力的新型模型。通过适配YOLOv8架构，RSTNet集成了一个去噪单元以保留关键船只特征，一个用于增强多尺度特征提取的补丁感知注意力机制，以及一个专门的NWD损失函数以实现更精确的边界框回归。该模型在SSDD数据集上表现出卓越的性能，实现了97.0%的精确率和95.1%的召回率，并在HRSID数据集上针对沿海船只检测展示了强大的泛化能力。 AI
影响 这项研究为在严峻的成像条件下改进目标检测提供了一个技术解决方案，可能使海事监视等应用受益。
排序理由 这是一篇详细介绍新模型及其在特定数据集上性能的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
