- 博客(5)
- 收藏
- 关注
RSS订阅
原创 DiffDet4SAR 首次将diffusion扩散模型引入到SAR图像飞机目标检测领域(代码已开源)
SAR图像中飞机目标的离散散射点和严重的背景杂波干扰使得飞机目标检测具有挑战性。目前，基于卷积或基于transformer范式的方法不能充分解决这些问题。本文首次探索了用于SAR图像飞机目标检测的扩散模型，并提出了一种新的基于扩散的SAR图像飞机目标检测网络(DiffDet4SAR)。DiffDet4SAR将SAR飞机目标检测任务映射为包围盒的去噪扩散过程，无需启发式锚框尺寸选择，有效地适应了飞机尺寸的大变化;2)专门设计的散射特征增强(SFE)模块进一步降低了杂波强度，增强了推理过程中的目标显著性。
2024-04-05 11:32:31
2292
1
原创 SAR ATR领域五十年发展综述 Fifty Years of SAR ATR: The Road Forward
我们总结了领域内的关键进展与核心挑战，深入剖析了传统方法的技术智慧在深度学习框架中的传承与创新路径，并对未来发展方向进行了前瞻性探讨。配套资源库已同步更新至GitHub，整合了领域内重要论文、数据集、代码及预训练权重等资料，为研究提供便利：https://github.com/JoyeZLearning/SAR-ATR-From-Beginning-to-Present。欢迎各位大佬讨论交流，若该资源对您的研究有所助益，也请star和cite以支持SAR图像解译领域的开源生态建设。[玫瑰][玫瑰][玫瑰]
2025-09-29 11:38:29
272
原创 TCSVT 2025 | MaDiNet: Mamba Diffusion Network for SAR Target Detection 首次将扩散模型和Mamba结合用于SAR图像目标检测
在 SAR - AIRcraft1.0 数据集上，Cascade R - CNN 和 ConsistencyDet 等方法在强背景干扰下会产生大量假阴性和误判，而 MaDiNet 凭借 MambaSAR 模块中的四种具有对称分支的扫描机制，覆盖了输入图像的每个区域，提高了图像特征捕获的效率和全面性，为后续的特征提取提供了丰富的多维信息库，从而在复杂背景下仍能准确检测目标。同时，骨干网络中的MambaSAR模块利用其强大的特征提取能力，捕捉目标的复杂空间结构信息，增强模型对目标和背景的区分能力。
2025-06-13 22:43:04
956
原创 Reversible Attack相关论文阅读
采用可逆信息隐藏技术将原始图像与对抗样本之间的信号误差嵌入到对应的对抗样本中，得到诱使模型误分类的可逆对抗样本。同时，该方法可以从对抗样本中提取对抗扰动，并利用可逆对抗样本减去扰动得到原始图像
2022-08-24 11:45:30
2654
1
原创 《An empirical study of adversarial examples on remote sensing image scene classification》论文阅读
对GRS期刊对抗攻击《An empirical study of adversarial examples on remote sensing image scene classification》论文阅读
2022-08-23 16:47:01
1266
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人