近日，中國科學院軟件研究所研究團隊在復雜背景下的雷達目標檢測方面取得進展。相關研究成果以《基于對比學習的航海雷達目標檢測方法》為題發表在《電子學報》上。研究針對航海雷達目標檢測中背景復雜、原始數據量大、有效數據量少以及檢測任務困難等問題，提出了一種全新的基于對比學習的航海雷達目標檢測方法CLMRD（Contrastive Learning for Marine Radar Detection）。新方法在航海雷達檢測數據集上達到了0.97的準確率和0.95的召回率，顯著優于其他傳統及智能檢測方法，驗證了其有效性和魯棒性。 

　　航海雷達在復雜場景下的應用面臨諸多挑戰，傳統檢測方法的檢測率低，性能難以達到要求；基于監督學習的深度學習方法在航海雷達目標檢測方面雖然取得了較大研究進展，但目前仍存在兩個亟待解決問題：一是基于監督學習的模型高度依賴于數據標注，數據標注的數量和質量直接決定了模型的性能；二是基于有限訓練數據的模型魯棒性差且泛化能力不足，難以應對不斷變化的海況和背景。

　　針對上述問題，該研究提出了一種基于對比學習的航海雷達目標檢測方法CLMRD。該方法通過交替預測和分布對齊的方式，從海量無標簽數據中讓模型分別從實例和分布級別角度獲取特征表示能力，從而訓練模型具備分辨雜波和判別目標的能力。研究人員將預訓練的特征提取器和目標檢測器及后處理階段數據信息進行融合，得到了良好的航海雷達目標檢測結果。同時，為了支持有監督學習和無監督學習訓練，該研究還建立了可用于深度學習方法的無標簽信息的航海雷達數據集和帶有標簽信息的航海雷達檢測數據集。該方法已在多次航海科考任務中得到應用。

CLMRD算法全階段過程示意圖