《Engineering Applications of Artificial Intelligence》：Statistics-enhanced cross-domain perception network for spaceborne infrared tiny ship detection
编辑推荐：
星载热红外遥感对于海上监视和船舶管理不可或缺，然而在红外图像中检测微小船舶仍然具有挑战性，因为目标尺寸小、纹理弱且存在强烈的结构化杂波。为解决这些挑战，研究人员提出了一种统计增强跨域感知网络（SCPNet），这是一种专为星载热红外微小船舶检测设计的轻量级单阶段
星载热红外遥感对于海上监视和船舶管理不可或缺，然而在红外图像中检测微小船舶仍然具有挑战性，因为目标尺寸小、纹理弱且存在强烈的结构化杂波。为解决这些挑战，研究人员提出了一种统计增强跨域感知网络（SCPNet），这是一种专为星载热红外微小船舶检测设计的轻量级单阶段检测器。主要技术创新在于统计引导的感知设计，其利用二阶特征统计来保留极性不敏感的船舶偏差，通过跨维度通道-空间交互来协调弱定位线索，并通过带状频率感知上下文建模来抑制结构化海上杂波。为支持系统性评估，研究人员还构建了星载热红外船舶检测数据集，这是一个源自可持续发展科学卫星一号（SDGSAT-1）热红外光谱仪的大规模基准，包含7660个图像瓦片和12073个标注船舶实例。在所构建的数据集上，消融实验表明，所提出的模块将平均精度从56.3%提高到59.6%（相对于基线），仅增加了0.18百万参数和0.2十亿浮点运算。在两个额外的公共船舶检测数据集上，所提出的检测器在平均精度上分别超过最强对比基线1.5和1.6个百分点。这些结果表明，所提出的检测器以适度的计算成本改善了弱红外微小船舶表示，并为全天候海上船舶检测提供了可复现的基线。实现代码可在以下网址公开获取：https://github.com/vazheaven/SCPNet。
## 论文解读：面向星载红外微小船舶检测的统计增强跨域感知网络
### 1. 研究背景与问题
星载热红外（TIR）遥感能够捕获目标的热自发射信号，具备全天时观测能力，对于海上监视和船舶管理具有重要意义。然而，在星载长波红外图像中检测微小船舶面临严峻挑战：船舶目标通常仅占据几个到几十个像素，轮廓和纹理因点扩散函数及中等空间分辨率而模糊；同时，海面温度梯度、云、岛屿、尾迹和岸线等结构化杂波会淹没微弱的船舶响应。此外，由于昼夜热条件不同，船舶可能表现为亮目标或暗目标，即存在亮度极性变化，这对依赖固定对比度的增强方法构成困难。现有探测方法多针对可见光或合成孔径雷达（SAR）图像，或仅改进单一网络组件，缺乏面向星载TIR微小船舶物理特性的统一轻量级框架。同时，公开的热红外船舶数据集在规模、多样性和极性覆盖方面存在不足。因此，研究人员提出了统计增强跨域感知网络（SCPNet），并构建了大规模星载热红外船舶检测数据集SDG-TISD，以系统解决上述问题。该论文发表在《Engineering Applications of Artificial Intelligence》。
### 2. 研究内容与方法概览
研究人员提出了SCPNet，一种轻量级单阶段检测器，其核心设计包括三个模块：统计增强模块（SEM）利用二阶特征统计量保留极性不敏感的船舶偏差；跨维度协同注意力模块（CDSAM）协调通道、高度和宽度维度的依赖关系，增强弱定位线索；带状频率协作注意力模块（SFCAM）结合带状上下文聚合与频率感知调制，抑制海岸线、尾迹和云带等结构化杂波。模型采用YOLOv12骨干网络，并集成R-ELAN特征聚合策略。数据集SDG-TISD源自SDGSAT-1热红外光谱仪（TIS），包含2022年7月至2024年4月采集的7660个256×256像素图像瓦片和12073个标注船舶实例，覆盖全球主要港口及内陆水域，包含亮暗船舶、近岸、河流、密云、尾迹和多船舶场景。标注采用YOLOv9s预检测和AIS记录辅助的半自动人工核验流程。
### 3. 主要研究结果
**消融实验**
在SDG-TISD上进行三随机种子消融实验，基线为YOLOv12-n。单独添加SEM使AP50:95从56.3%提升至57.5%，单独添加CDSAM或SFCAM均达到57.9%。两模块组合将AP50:95提升至58.9%~59.2%。集成所有模块后，SCPNet达到Precision 91.9%、Recall 85.4%、AP50 91.2%和AP50:95 59.6%，相比基线提升3.3个百分点和4.6个百分点的Recall，仅增加0.18M参数和0.2G FLOPs。定性结果显示，SEM增强微弱船舶响应，CDSAM抑制岸线和云边缘杂波，SFCAM进一步恢复簇拥场景中的弱船舶。
**模块验证**
在骨干末端，SEM与MSA、PSA、C2PSA对比，取得最佳AP50:95（57.5%）和Precision/Recall（90.7%/82.1%）。在颈部，CDSAM采用平均池化与标准差池化组合（Avg+Std）优于单一池化或含最大池化的组合，并与CBAM、ECA、SA对比，在四项指标上全面领先。SFCAM的频域滤波（FFA）与带状卷积聚合（SCA）协同工作比单独使用任一组件更优，最佳带状核尺寸为(7,11)，兼顾精度与轻量性。
**与先进方法比较**
在SDG-TISD上，SCPNet-s取得AP50:95为65.4%，优于YOLO12-s（64.8%）、RT-DETR（63.7%）、Co-DINO（64.1%）等代表性检测器，同时保持10.0M参数和21.6G FLOPs，推理速度达417 FPS。在外部数据集ISDD上，SCPNet-s以49.9% AP50:95超过最强基线1.5个百分点；在LEVIR-Ship上，以34.6% AP50:95超过最强基线1.6个百分点。轻量级变体SCPNet-n在参数和FLOPs相当的情况下也表现出更优的精度-效率平衡。
### 4. 讨论与结论
讨论部分指出，SCPNet的有效性源于三个模块对任务难点链的针对性处理：SEM增强弱且极性变化的目标响应，CDSAM保持融合过程中的通道显著性和空间定位线索，SFCAM通过频率分量调制和方向性带状聚合抑制结构化杂波。失败案例分析表明，云遮挡、超低信杂比（SCR）目标以及港口/码头等近岸人工结构仍可能导致漏检或虚警。跨数据集实验虽显示方法级可迁移性，但并非严格跨传感器泛化，未来需进行场景隔离、时间隔离和传感器隔离评估。当前模型为单帧检测器，未利用时间连续性，且运行时测试基于离线GPU，实际星载部署还需硬件优化。
结论部分翻译：本研究解决了星载热红外图像中的微小船舶检测问题，其中弱目标响应、有限纹理和结构化海上杂波使得可靠检测具有挑战性。研究人员提出了SCPNet，一种轻量级统计增强检测器，集成了二阶弱目标增强、跨维度特征重校准和带状频率感知杂波抑制。研究人员还构建并发布了SDG-TISD，一个源自SDGSAT-1图像的大规模星载热红外船舶检测基准，以支持在真实广域海上条件下的系统评估。在SDG-TISD和两个额外的公共船舶检测数据集上的实验表明，在独立逐数据集训练和评估下，SCPNet以适度的计算开销提高了检测精度。更广泛地，结果表明统计引导的表示学习是弱热红外微小目标检测的有前景方向，轻量级任务导向特征增强可为未来全天候海上监测系统提供实用价值。所发布的数据集、实现和实验设置进一步支持可复现评估和后续比较。如所述，当前工作仍受限于半自动数据集构建、瓦片级评估、单帧检测和离线GPU运行时测试。未来研究将集中于时间建模、更严格的跨传感器迁移评估、传感器自适应学习和轻量级星载优化。
