面向SAR目标检测的多目标神经架构搜索：模型-资源协同压缩研究进展

合成孔径雷达（SAR）目标检测与识别作为高分辨率对地观测系统的关键技术，已在军事侦察、国土安全、灾害监测等军民用领域展现出重要战略价值。近年来，深度学习方法显著提升了SAR目标检测与识别效能，推动了相关应用向智能化方向快速发展。然而，在面向边缘端部署应用时，仍面临专家经验依赖程度高、调参试错效率低、压缩信息损失大等关键挑战，导致性能严重下降。针对上述挑战，本报告提出多目标神经架构搜索框架，系统探索深度模型架构设计与压缩策略的协同优化机制，形成“设计即压缩”的一体化建模路径，实现面向特定边缘计算硬件资源约束的自动化、高适应性模型精准设计，为SAR智能解译提供了轻量化、可部署的实践范式。

陈杰，安徽大学光电信息获取与防护技术全国重点实验室副教授/博导，中国电科38所博士后。主要研究方向为SAR目标智能解译。主持国家自然科学基金面上/青年、中国博士后科学基金、安徽省科技攻坚、安徽省自然科学基金、航天系统部等项目十余项。在Research、IEEE Transactions on Geoscience and Remote Sensing等发表学术论文四十余篇，获《Research》2022年度最佳论文奖。授权国家/美国发明专利三十余项。获2024中国电子学会科技进步一等奖1项；2021年第一届全国博士后创新创业大赛安徽省银奖；2023-2024年度“中国大学生自强之星”科创团体；2023年第十八届“挑战杯”揭榜挂帅专项赛全国特等奖；第二届“天智杯”人工智能挑战赛全国第一名；PRCV 2024技术竞赛全国二等奖；2024 ISPRS多模态遥感应用算法智能解译大赛全国第三名。