합성 개구 레이더(SAR) 영상에서 컨볼루션 신경망 기술을 이용한 목표 검출 방법은 우수한 검출 정확도를 구현할 수 있지만, 모델 복잡도가 높아 군사 신속 의사결정 및 해상 긴급 구조 등 분야에서 실제 적용 및 배포에 제한이 있다. 이에 본 논문에서는 레이더 영상용 초경량 소형 목표 검출 모델을 제안한다. 우선, 다중 분기 효율적 레이어 집합 모듈을 설계하여 다중 스케일 인지를 강화하고 실제 장비의 다양한 자원 및 연산 능력에 적응한다. 다음으로, 세부 향상 및 공유 검출 헤드를 활용하여 소형 목표 정보를 중점적으로 관심을 두어 해상 및 지상 잡음 간섭으로 인한 오검출을 경감한다. 마지막으로, 특징 풍부도 기반 가지치기와 지식 증류를 통해 목표 표현 학습을 지도하여 모델을 더욱 압축하고 성능을 향상시킨다. 실험 결과, 본 네트워크 모델은 4.186 G 연산량과 0.888 M 파라미터량으로 MSAR, SAR-Ship, AIR-SARShip-2.0, SSDD 및 HRSID 데이터셋에서 각각 89.0%, 98.1%, 82.5%, 98.6% 및 91.5%의 검출 정확도를 달성하였다. 본 논문 알고리즘은 뛰어난 견고성을 보유하며, 네트워크 모델은 최소 부피에서 우수한 검출 속도와 정확도를 얻을 수 있다.

SAR 영상;소형 목표 검출;초경량;다중 분기 효율적 레이어 집합;강화된 공유 검출 헤드;가지치기 및 지식 증류