基于阴影浮雕水深影像的密集小目标海底麻坑检测改进四尺度RT-DETR网络（FSLA-RTDETR）

《Remote Sensing》：FSLA-RTDETR: An Improved Four-Scale RT-DETR Network for Dense Small-Object Seabed Pockmark Detection in Shaded-Relief Bathymetric Imagery

　　

海底麻坑是浅层流体运移、浅层气活动和与天然气水合物相关过程的重要地貌指示标志。然而，从阴影浮雕水深影像中自动检测麻坑仍然具有挑战性，因为许多麻坑在图像空间中足迹较小、分布密集、边界微弱，且嵌入复杂的海底背景之中。为解决上述问题，本研究提出了FSLA-RTDETR，一种用于密集小目标海底麻坑检测的改进四尺度RT-DETR网络。该模型引入SAC-C2f以增强高层特征表示，采用LPEA编码器（LPEA Encoder）改善全局上下文建模，并构建基于DGCST的双向特征融合网络以整合浅层空间细节与深层语义信息。此外，高分辨率P2特征被纳入解码器以改善小目标定位。研究人员基于公开的墨西哥湾北部BOEM水深数据构建了麻坑检测数据集，包含880幅影像和8013个标注麻坑实例。实验结果表明，FSLA-RTDETR的mAP50、mAP75和mAP50–95分别达到0.9218、0.6221和0.5485。与基线RT-DETR相比，mAP75和mAP50–95分别提高了6.01和2.22个百分点。在无预训练设置下，对比实验进一步表明，FSLA-RTDETR在本研究评估的代表性目标检测模型中取得了优越的高IoU定位性能，为海底麻坑自动检测和地貌制图提供了有效方法。

一、研究背景与问题

海底麻坑（pockmark）是海床上常见的负向地貌特征，通常表现为圆形、近圆形或椭圆形凹陷，广泛分布于大陆架、大陆坡和深海盆地。麻坑的形成与浅层沉积物中的流体逸出密切相关，包括甲烷渗漏、孔隙水排出和浅层气运移等过程。在许多海域，麻坑发育还与沉积物不稳定和海底滑坡过程相关，可能影响海底管道、电缆等工程结构的安全。此外，这些凹陷可创造局部生境异质性，影响海底底栖生物群落和碳循环。因此，可靠的麻坑检测对于海洋地质填图、油气勘探、天然气水合物评估和海底环境研究具有重要意义。

随着多波束测深和三维地震数据的日益普及，高分辨率海底地貌制图成为可能。然而，从水深数据中识别麻坑仍面临多重挑战。传统方法包括人工解译、基于规则的形态计量分析、半自动GIS工作流、模板匹配和机器学习方法。人工解译耗时且依赖专家经验；基于规则的方法对阈值选择和地形假设敏感，泛化能力有限；模板匹配假设麻坑可由简单几何形状近似，对不规则或密集分布的麻坑计算成本较高；机器学习方法依赖手工特征和预分割候选区域，无法实现端到端检测。近年来，深度学习方法开始应用于海底地貌解译，但传统CNN模型在捕捉长距离空间关系方面存在局限，密集分布的小目标麻坑在反复下采样过程中可能被削弱或丢失。

总体而言，现有麻坑检测方法面临三个未解决的挑战：第一，许多麻坑目标仅占图像的有限区域，在反复下采样中容易丢失信息；第二，麻坑常密集分布，增加了分离相邻目标和准确定位边界的难度；第三，阴影浮雕水深影像包含复杂的海底纹理、光照变化和弱形态对比，容易导致误检或漏检。因此，需要一种能够同时保留浅层空间细节、增强高层语义表示并利用全局上下文信息的端到端检测框架。

二、研究内容与结论

针对上述挑战，研究人员提出了FSLA-RTDETR，一种用于密集小目标海底麻坑检测的四尺度协同线性注意力RT-DETR网络。该模型在骨干网络深层引入SAC-C2f以增强弱麻坑相关形态模式的判别性语义表示；采用LPEA编码器（LPEA Encoder）强化最深特征图的全局上下文建模，同时保留位置信息和局部空间结构；借鉴已有研究，将DGCST作为轻量级融合块嵌入双向特征融合颈部，改善多尺度特征交互；最后将高分辨率P₂特征纳入RT-DETR解码器，形成基于P₂、P₃、P₄和P₅特征的四尺度检测结构。

研究人员基于公开的BOEM墨西哥湾北部深水水深数据构建了人工标注的麻坑检测数据集，包含880幅影像和8013个标注麻坑实例。实验结果表明，FSLA-RTDETR在mAP50、mAP75和mAP50–95上分别达到0.9218、0.6221和0.5485，相比基线RT-DETR，mAP75和mAP50–95分别提高6.01和2.22个百分点。在无预训练设置下，该模型在高IoU定位性能上优于本研究评估的代表性单阶段、双阶段和DETR类检测器。该框架为自动化海底麻坑制图提供了有效方案，有助于海洋地质调查和海底灾害评估。

三、关键技术方法

研究人员构建了一个人工标注的海底麻坑检测数据集，数据来源于公开的BOEM墨西哥湾北部深水深测网格和三维地震数据，原始数字高程模型（DEM）包含约14亿个网格单元，空间分辨率为40×40英尺，覆盖深度范围约?40 m至?3379 m。影像采用BOEM官方提供的阴影浮雕产品，以512×512像素窗口和512像素步长进行滑窗裁剪，共获得880幅含麻坑影像和8013个标注实例，另有88幅无麻坑影像作为独立的目标缺失评估集。标注使用Labelme工具完成，以轴对齐边界框标注单一类别"麻坑"，两名标注者之间的平均边界框IoU为0.91。

在模型设计方面，FSLA-RTDETR包含四个核心组件：SAC-C2f增强骨干网络，在C2f结构内部将瓶颈单元替换为SAC块，结合多头自注意力、像素-通道-空间协同调制和卷积门控前馈精化；LPEA编码器（LPEA Encoder），结合幅度感知线性注意力、旋转位置嵌入（RoPE）、局部位置增强、输出门控和卷积前馈网络；基于DGCST的双向特征融合颈部，采用部分组卷积、通道混洗和残差点卷积变换；四尺度RT-DETR解码器，将高分辨率P₂特征纳入解码输入。训练采用RT-DETR的集合预测策略，使用匈牙利匹配建立预测与真值的一对一分配，损失函数包括分类损失（Varifocal Loss）、L1边界框回归损失和GIoU损失。

四、研究结果

4.1 消融实验

以原始RT-DETR为基线，研究人员系统评估了各组件贡献。完整FSLA-RTDETR相比基线将Recall从0.8329提升至0.8408，mAP50从0.9173提升至0.9218，mAP75从0.5620提升至0.6221，mAP50–95从0.5263提升至0.5485，其中mAP75提升最为显著，达6.01个百分点。三次随机种子重复实验确认mAP75和mAP50–95的改善具有一致性。

SAC-C2f单独引入时，Precision从0.8668提升至0.8687，mAP75从0.5620提升至0.5677，但Recall从0.8329降至0.8227。LPEA单独替换时，Precision从0.8668提升至0.8765，mAP75从0.5620提升至0.5658，但Recall从0.8329降至0.8177。当SAC-C2f和LPEA联合使用时，所有指标均获得一致提升，表明两者具有互补性。

在解码器维度固定为256的条件下单独引入P₂特征，mAP75从0.5620提升至0.5804，mAP50–95从0.5263提升至0.5316，但Recall从0.8329降至0.8213，表明高分辨率浅层特征在改善定位精度的同时可能引入额外背景响应。单独引入DGCST时，mAP75从0.5620提升至0.5824，mAP50–95从0.5263提升至0.5308，同时参数量从19.87 M降至18.50 M，计算量从56.9降至50.1 GFLOPs。在完整四尺度配置中，DGCST进一步将Recall从0.8128提升至0.8408，mAP75从0.6101提升至0.6221。

4.2 对比实验

在无预训练设置下，研究人员将FSLA-RTDETR与代表性检测器进行了对比，包括单阶段检测器YOLO11m和YOLO26m，双阶段检测器Faster R-CNN-R50-FPN和Cascade R-CNN-R50-FPN，以及DETR类Transformer检测器Deformable DETR-Refine-R50和DINO-4scale-R50。所有模型均从零训练，使用相同的训练、验证和测试划分。

FSLA-RTDETR在F1-score、mAP50、mAP75和mAP50–95上均取得最优结果。与YOLO11m相比，mAP75从0.4536提升至0.6221，mAP50–95从0.4818提升至0.5485；与Faster R-CNN相比，mAP75从0.3627提升至0.6221；与DINO相比，mAP75从0.4062提升至0.6221。PR曲线分析表明，在IoU=0.75时FSLA-RTDETR的优势尤为明显，其曲线在大部分召回率范围内明显高于其他模型，表明该模型在严格IoU条件下提供更准确的边界框定位。

4.3 目标缺失背景评估

研究人员在88幅经人工验证无麻坑的影像上评估了模型的误检行为。在置信度阈值为0.5时，模型产生57个误检，平均每幅0.6477个，误检影像率（FPIR）为38.64%。当阈值提升至0.8时，误检降至4个，FPIR降至4.55%，但Recall从0.8458降至0.4527。结果表明存在明显的阈值依赖权衡：较低阈值有利于保留潜在麻坑候选，较高阈值则提供更强的虚警抑制，可减少后续人工核查工作量。实际操作阈值应根据具体应用需求选择。

五、讨论与结论

FSLA-RTDETR针对阴影浮雕水深影像中密集小目标海底麻坑检测而设计。与一般目标检测任务相比，该问题的难点在于麻坑目标仅占图像小部分、边界微弱或不完整，且常与复杂海底纹理混合，相邻麻坑成簇分布时目标识别和边界框定位均具挑战性。

在构建的麻坑检测数据集上，FSLA-RTDETR取得了最优的整体检测性能。与基线RT-DETR相比，mAP75和mAP50–95分别提升6.01和2.22个百分点，且该改善在三次随机种子实验中保持一致。在无预训练设置下，该模型在mAP75和mAP50–95上优于所评估的代表性单阶段、双阶段和DETR类检测器，表明其在高IoU定位性能方面具有明显优势。消融实验证实了SAC-C2f、LPEA编码器（LPEA Encoder）、P₂高分辨率特征和DGCST双向特征融合各组件的有效性及其互补性。目标缺失背景评估表明，通过调整置信度阈值可在误检抑制和真麻坑保留之间实现灵活权衡。

研究结论可概括为：FSLA-RTDETR通过引入四尺度检测结构和任务导向的组件设计，有效解决了密集小目标海底麻坑检测中特征丢失、边界模糊和背景干扰等问题，为自动化海底麻坑检测和地貌制图提供了有效方法，有助于海洋地质调查和海底灾害评估。