一种轻量级框架，结合剪枝和知识蒸馏技术，用于SAR图像中的船舶检测

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：A Lightweight Framework With Pruning and Knowledge Distillation for Ship Detection in SAR Images

　　

摘要：

在资源有限的平台上，轻量级合成孔径雷达（SAR）用于船舶检测对于实时海上监控至关重要。然而，斑点噪声和海面杂波常常会掩盖小型且对比度较低的船只，使得在严格的计算预算下难以实现准确检测。为了解决这个问题，我们提出了一个紧凑的检测框架，该框架结合了基于层次的幅度剪枝和双流知识蒸馏技术，能够在保持检测性能的同时显著压缩模型规模。此外，我们还采用了注重效率的构建模块来提高特征利用率，并引入了考虑定位信息的回归目标函数，以加强在交并比（IoU）较低的样本上的边界框拟合。在三个公开的SAR船舶检测基准测试中，实验表明，所提出的剪枝和蒸馏模型比最近的同类方法具有更高的精确度和平均精度（mAP），同时每秒能够处理超过200帧（FPS），且仅需要7.4兆参数和41.9吉次浮点运算（FLOPs）。这些结果表明，基于剪枝的蒸馏技术为可部署的SAR船舶检测提供了一条有效且实用的方法。