首頁(yè)
聯(lián)系我們
-
- 電話： 024-83656512
- 通訊地址： 遼寧省沈陽(yáng)市渾南區(qū)創(chuàng)新路195號(hào)東北大學(xué)渾南校區(qū)機(jī)器人學(xué)院H019信箱
東北大學(xué)機(jī)器人學(xué)院首次在Nature工程領(lǐng)域子刊Communications Engineering發(fā)表研究成果！
近日，東北大學(xué)機(jī)器人科學(xué)與工程學(xué)院吳成東教授團(tuán)隊(duì)最新研究成果“A deep learning framework based on structured space model for detecting small objects in complex underwater environments”在國(guó)際著名學(xué)術(shù)期刊Nature的首個(gè)工程領(lǐng)域子刊Communications Engineering在線發(fā)表。東北大學(xué)莊曜銘特聘副研究員、2024級(jí)研究生劉佳明為論文共同第一作者，東北大學(xué)為第一完成單位，通訊作者為莊曜銘。
成果介紹
該成果創(chuàng)新性地融合前沿的Mamba模型與卷積神經(jīng)網(wǎng)絡(luò)（CNN），提出了一種專用于水下目標(biāo)檢測(cè)的輕量化混合架構(gòu)。通過(guò)結(jié)構(gòu)化狀態(tài)空間模型（SSM）與CNN的協(xié)同設(shè)計(jì)，成功攻克了傳統(tǒng)算法在全局建模能力不足和計(jì)算復(fù)雜度高兩大難題，并同步實(shí)現(xiàn)了檢測(cè)精度與硬件計(jì)算負(fù)擔(dān)的雙重優(yōu)化。實(shí)驗(yàn)結(jié)果表明，該框架在多個(gè)公開(kāi)數(shù)據(jù)集上表現(xiàn)優(yōu)異，不僅顯著提升了檢測(cè)精度，還大幅優(yōu)化了計(jì)算效率。這一創(chuàng)新性解決方案為海洋資源開(kāi)發(fā)與生態(tài)監(jiān)測(cè)提供了兼具高效性和實(shí)用性的技術(shù)支撐，并在工程應(yīng)用中展現(xiàn)出巨大的潛力和廣闊的應(yīng)用前景。
圖1 文章研究路線圖
圖2 文章關(guān)鍵實(shí)驗(yàn)結(jié)果圖
據(jù)悉，該研究成果為東北大學(xué)機(jī)器人學(xué)院在《自然》（Nature）工程領(lǐng)域子刊《通訊-工程》（Communications Engineering）上發(fā)表的首篇論文。《通訊-工程》作為《自然》（Nature）首本專注于工程領(lǐng)域的子刊，自2022年創(chuàng)刊以來(lái)總發(fā)文量為354篇，年均發(fā)文量不超過(guò)100篇。
全文鏈接：https://www.nature.com/articles/s44172-025-00367-9
