Considerando características de alvos astronômicos fracos, como baixa proporção de pixels, baixo contraste com o fundo e escassez de informações internas, propõe-se a rede aninhada densa com atenção hierárquica HADN-Net para detecção de alvos astronômicos fracos. Primeiramente, foi apresentado o módulo de atenção multirramos Mul-GDAM, que adota uma estratégia de extração de características com múltiplos campos receptivos para reforçar a modelagem de informações contextuais na vizinhança local do alvo. Combinando convoluções Ghost leves e convoluções fatoradas espaciais, reduz o custo computacional enquanto suprime eficazmente o ruído de fundo e fortalece a capacidade de representação de características dos alvos fracos. Em seguida, propõe-se o módulo de agregação hierárquica de características HiFAM, que implementa a fusão ponderada adaptativa de mapas de características em múltiplas escalas por meio da interação entre dimensões espaciais e de canal, melhorando a qualidade da representação da informação dos alvos fracos nos mapas de características fusionados por meio do reajuste espacial e da fusão adaptativa de canais. A HADN-Net melhora significativamente a capacidade de detecção de alvos fracos. Em experimentos com imagens ópticas terrestres reais, a HADN-Net atingiu uma taxa de recall de 94,648%, precisão de detecção de 95,518% e pontuação F1 de 95,081%, atingindo desempenho SOTA e superando cinco métodos avançados existentes, especialmente na taxa de recall, com uma melhoria de 2,855% em relação ao segundo melhor método. Isso confirma a eficácia da HADN-Net na detecção de alvos astronômicos fracos, oferecendo uma nova solução para a detecção em imagens astronômicas e possuindo significado prático para exploração espacial profunda e desenvolvimento de recursos espaciais.

Visão computacional; imagens ópticas astronômicas terrestres; alvos astronômicos fracos; detecção de alvos; redes neurais