畳み込みニューラルネットワーク技術を用いた合成開口レーダー（SAR）画像の目標検出方法は、高い検出精度を実現できるものの、モデルの複雑さが高く、軍事の迅速な意思決定や海上の緊急救助などの分野での実用的な応用や展開が制限されている。そこで、本稿ではレーダー画像向けの超軽量小目標検出モデルを提案する。まず、多分岐の効率的な層集約モジュールを設計し、多スケール認識を強化し、実機のさまざまなリソースや計算能力に適応させた。次に、ディテール強化と共有検出ヘッドを利用して小目標情報に重点的に着目し、海上および陸上の雑波干渉による誤検出を軽減した。最後に、特徴の豊富さに基づくプルーニングと知識蒸留を採用して目標の表現学習を指導し、モデルのさらなる圧縮と性能向上を図った。実験結果は、本ネットワークモデルが4.186Gの計算量と0.888Mのパラメータ量で、MSAR、SAR-Ship、AIR-SARShip-2.0、SSDD、およびHRSIDデータセットにおいて、それぞれ89.0％、98.1％、82.5％、98.6％、91.5％の検出精度を達成したことを示している。本論文のアルゴリズムは堅牢性に優れており、ネットワークモデルは最小体積で最適な検出速度と精度を実現できる。

SAR画像;小目標検出;超軽量;多分岐効率層集約;強化共有検出ヘッド;プルーニングと知識蒸留