💻 computer science

SFE-YOLO: Spatial-Frequency Dual-Domain Enhanced YOLO for SAR Ship Detection

Para abordar as limitações dos detectores existentes em ambientes marinhos complexos, o artigo propõe o SFE-YOLO, um framework YOLO de reforço de domínio duplo que integra a convolução pinwheel para extração de características de múltiplas orientações e um bloco de domínio de frequência para supressão de ruído marinho (sea clutter), alcançando um desempenho superior na detecção de navios em SAR nos conjuntos de dados SSDD e HRSID.

Autores originais: Huicong Ning, Ying Zhang, Jiajia Chen, Peinan Hao, Xiaojing Zhao, Tianzi Yan

Publicado 2026-08-26

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Huicong Ning, Ying Zhang, Jiajia Chen, Peinan Hao, Xiaojing Zhao, Tianzi Yan

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

O oceano é uma vasta e mutável tela onde a linha entre um navio e uma onda pode se fundir em um ruído indistinguível. Por décadas, o monitoramento deste domínio dependeu de duas ferramentas principais: câmeras que veem o mundo como nós e radares que o veem através dos olhos da física. As câmeras oferecem detalhes ricos, mas falham quando o sol se põe ou uma névoa espessa surge. O radar, no entanto, funciona dia e noite, atravessando nuvens e escuridão ao rebater ondas de rádio na superfície. Isso o torna o único olho confiável para observar navios nas condições climáticas mais traiçoeiras. No entanto, as imagens de radar são notoriamente difíceis de ler. Elas são preenchidas com estática e granulação, um caos visual conhecido como ruído de speckle, onde a textura de um mar agitado pode parecer exatamente com o casco de metal de uma embarcação. Distinguir um pequeno barco de uma mancha de água agitada tem sido, há muito tempo, um desafio para os computadores encarregados de escanear essas imagens, levando frequentemente a detecções perdidas ou alarmes falsos que poderiam ter consequências séas para a segurança e proteção.

Pesquisadores recorreram à inteligência artificial para resolver isso, ensinando computadores a reconhecer padrões nessas imagens granuladas. A abordagem mais comum utiliza um tipo de filtro digital que varre uma imagem em pequenos quadrados, procurando por bordas e formas. Embora isso funcione bem para muitas tarefas, apresenta dificuldades com a natureza específica dos navios. Um navio é um objeto longo e fino que pode estar apontando em qualquer direção, mas os filtros padrão são rígidos e quadrados, projetados para capturar formas arredondadas ou blocadas. Eles frequentemente perdem as linhas esbeltas do casco de um navio se ele estiver inclinado ou se a imagem estiver muito ruidosa. Além disso, esses filtros padrão olham apenas para a vizinhança imediata dos pixels, perdendo a visão macro de toda a cena, o que torna difícil distinguir um navio real de uma mancha confusa de ruído do mar.

Para abordar essas fraquezas específicas, uma equipe de pesquisadores de instituições da China desenvolveu um novo sistema de detecção chamado SFE-YOLO. Em vez de depender de uma única maneira de olhar para a imagem, eles criaram uma estrutura de domínio duplo que examina a foto de duas maneiras diferentes simultaneamente. A primeira parte de seu sistema aborda o problema da forma. Eles substituíram os filtros quadrados padrão por um novo tipo de filtro que atua como um catavento, capaz de escanear em múltiplas direções ao mesmo tempo. Isso permite que o computador trace os contornos longos e finos de um navio, independentemente de para que lado ele esteja voltado, capturando detalhes que os antigos filtros rígidos simplesmente ignorariam.

A segunda parte do sistema aborda o problema do ruído, mudando a forma como o computador processa a informação da imagem. Em vez de apenas olhar para os pixels como eles aparecem, o sistema traduz temporariamente a imagem para uma linguagem diferente baseada em frequência, que é uma forma de descrever o quão rapidamente o brilho da imagem muda de um ponto para outro. Nesta visão de frequência, os padrões constantes e repetitivos do ruído do mar destacam-se claramente das bordas nítidas e únicas de um navio. Os pesquisadores construíram um módulo que pode identificar e atenuar o ruído de baixa frequência do oceano, enquanto simultaneamente potencializa os sinais de alta frequência que definem o contorno do navio. Após limpar a imagem nesta visão de frequência, o sistema a traduz de volta para a imagem normal, agora muito mais clara e fácil de ler.

Quando a equipe testou este novo método em duas grandes coleções de imagens de radar de navios, os resultados foram significativos. Em um conjunto de dados padrão contendo mais de mil imagens, seu sistema identificou navios corretamente com um alto grau de precisão, alcançando uma pontuação de 0,973 em uma escala onde 1,0 é perfeito. Em um conjunto de dados de alta resolução mais difícil, com quase seis mil imagens, que inclui muitos navios pequenos e fundos de portos complexos, o sistema manteve um desempenho forte com uma pontuação de 0,885. Mais importante ainda, o sistema provou ser particularmente bom em encontrar pequenas embarcações, uma tarefa na qual modelos anteriores frequentemente falhavam. Ele reduziu o número de vezes que perdeu um pequeno barco e também diminuiu o número de vezes que identificou erroneamente uma onda como um navio.

Os pesquisadores descobriram que combinar essas duas abordagens — o escaneamento direcional para a forma e a limpeza baseada em frequência para o ruído — criou uma sinergia que foi maior do que a soma de suas partes. O sistema não apenas melhorou ligeiramente; ele tornou-se robusto o suficiente para lidar com a realidade caótica do mar aberto. Ao ensinar o computador a ver a estrutura do navio de todos os ângulos e a ignorar o ruído de fundo do oceano, o novo método oferece uma maneira mais confiável de monitorar o tráfego marítimo. Este avanço sugere que, no futuro, sistemas automatizados poderão fornecer vigilância mais consistente e precisa para operações de aplicação da lei e de busca e salvamento, garantindo que mesmo as menores embarcações não se percam no ruído do mar.

Resumo Técnico: SFE-YOLO para Detecção de Navios em SAR

Declaração do Problema

A detecção de navios em Radar de Abertura Sintética (SAR) enfrenta duas limitações inerentes em ambientes marinhos complexos que degradam o desempenho dos detectores de aprendizagem profunda existentes:

Desajuste de Convolução Isotrópica: Kernels de convolução quadrados padrão falham em capturar as características de casco esbeltas e de múltiplas orientações dos navios. Isso leva à degradação das características e a detecções perdidas frequentes de pequenas embarcações, particularmente aquelas orientadas arbitrariamente em relação ao sensor.
Falta de Percepção de Frequência Global: A modelagem puramente espacial carece da capacidade de perceber distribuições de frequência globais. Consequentemente, as características de borda fracas dos navios são facilmente submersas pelo forte ruído de clutter marítimo e speckle, pois as convoluções padrão não conseguem distinguir efetivamente os detalhes do alvo da interferência do fundo sob uma perspectiva global.

Metodologia

Os autores propõem o SFE-YOLO, um framework YOLO de reforço de domínio duplo (baseado no YOLOv8n) projetado para abordar esses desafios específicos através de uma combinação sinérgica de otimizações nos domínios espacial e de frequência.

1. Reforço no Domínio Espacial: SPConv (Convolução Pinwheel)

Integrado na rede de backbone CSPLayer, o módulo SPConv substitui as convoluções isotrópicas padrão para lidar melhor com alvos de navios alongados.

Mecanismo: Ele decompõe a convolução 2D padrão em convoluções de tiras paralelas horizontais ( $1 \times k$ ) e verticais ( $k \times 1$ ).
Agregação de Características: Quatro ramos paralelos capturam texturas de diferentes inclinações. Uma operação de deslocamento cíclico (roll) é aplicada para alinhar os centros do campo receptivo, corrigindo desvios espaciais.
Objetivo: Isso expande o campo receptivo efetivo em múltiplas direções, permitindo que a rede extraia contornos detalhados de navios, independentemente de sua orientação, sem aumentar significativamente o custo computacional.

2. Reforço no Domínio da Frequência: EBlock

Embutido no pescoço (neck) de fusão de características, o módulo EBlock utiliza um núcleo FreUnitMLP para realizar a supressão de clutter global e a amplificação de bordas.

Pré-processamento Espacial: As características de entrada passam por uma estrutura residual de três ramos, um módulo de Percepção Global Espacial (SG) e um mecanismo de Atenção Espacial-Canal (SCA) para refinar as características espaciais.
Calibração de Domínio Duplo:
- As características são transformadas para o domínio da frequência via Fast Fourier Transform (FFT).
- Uma convolução leve de $1 \times 1$ repondera adaptativamente os componentes de frequência (amplificando as bordas de alta frequência do navio enquanto suprime o clutter marítimo de baixa frequência).
- A Transformada Inversa de Fourier (IFFT) reconstrói as características de volta ao domínio espacial.
Fusão: Parâmetros de escala aprendíveis calam a fusão das características espaciais e de frequência, suprimindo efetivamente o ruído de speckle enquanto fortalece as bordas tênues dos navios.

3. Arquitetura Geral

O modelo segue o pipeline padrão de três estágios do YOLOv8 (Backbone, Neck, Head), mas incorpora o SPConv no backbone para extração de características adaptável à orientação e o EBlock no neck para supressão de ruído global. O sistema gera três mapas de características fundidos (80x80, 40x40, 20x20) para detecção multiescala.

Principais Contribuições

Estratégia Adaptável à Orientação: A integração do SPConv no backbone do YOLOv8 aborda o desajuste entre kernels padrão e formas esbeltas de navios, expandindo os campos receptivos multidirecionais para capturar contornos arbitrários do casco.
Supressão de Clutter no Domínio da Frequência: O design do módulo EBlock, centrado no FreUnitMLP, introduz percepção de frequência global ao framework YOLO. Ele suprime adaptativamente o ruído de speckle do mar e amplifica as bordas fracas dos navios, uma capacidade ausente em CNNs puramente espaciais.
Sinergia de Domínio Duplo: O framework une a extração de detalhes espaciais locais (SPConv) com a limpeza de ruído de frequência global (EBlock). Esta abordagem complementar melhora a precisão da detecção de pequenos navios em superfícies SAR complexas sem comprometer o desempenho de inferência em tempo real.

Resultados Experimentais

Os autores avaliaram o SFE-YOLO em dois benchmarks públicos: SSDD (1.160 imagens) e HRSID (5.604 imagens), comparando-o com dez detectores mainstream (incluindo Faster R-CNN, RetinaNet, DiffusionDet e várias versões do YOLO).

Desempenho no SSDD:
- Alcançou mAP50 de 0,973 e mAP75 de 0,776.
- Superou o baseline YOLOv8 (mAP50: 0,959) e outros modelos SOTA como o DiffusionDet (mAP50: 0,967).
- Demonstrou detecção superior de alvos pequenos (mAPs: 0,603) e desempenho equilibrado entre alvos médios e grandes.
Desempenho no HRSID:
- Alcançou mAP50 de 0,885 e mAP75 de 0,716.
- Embora o mAP50 fosse comparável ao baseline YOLOv8 (0,887), o método proposto mostrou ganhos significativos em métricas mais práticas:
  - mAP75: Aumentou de 0,714 para 0,716.
  - mAP50:95: Aumentou de 0,628 para 0,635.
  - Detecção de alvos pequenos (mAPs): Melhorou de 0,506 para 0,524 (um ganho relativo de 3,6%).
- A análise visual confirmou que o SFE-YOLO reduziu falsos positivos causados por clutter costeiro e diminuiu significativamente as detecções perdidas de pequenos navios em comparação aos competidores.

Significância e Alegações

O artigo afirma que o SFE-YOLO preenche efetivamente a lacuna entre a extração de características espaciais locais e a modelagem de contexto de frequência global. Ao abordar as limitações específicas das convoluções padrão na captura de alvos esbeltos e de múltiplas orientações, e a incapacidade dos modelos puramente espaciais de filtrar o clutter marítimo global, o método proposto alcança:

Robustez: Superior resistência ao ruído marinho complexo e interferência de speckle.
Precisão: Localização de detalhes finos aprimorada (maior mAP75) e estabilidade na regressão de caixas delimitadoras (bounding boxes).
Generalização: Melhor detecção de navios pequenos e densamente agrupados em imagens SAR de alta resolução.

Os autores concluem que esta abordagem de domínio duplo oferece uma solução equilibrada para a detecção de navios em tempo real para aplicações práticas, particularmente em cenários que exigem alta confiabilidade para o monitoramento de pequenas embarcações. O trabalho futuro é proposto para estender este framework para detecção de caixas delimitadoras rotacionadas e imagens SAR polarimétricas.