必威教师郑秋梅、硕士生徐林康在中科院大类分区2区TOP期刊《Applied Soft Cpmputing》发表题为“HilbertSCNet: Self-attention networks for small target segmentation of aerial drone images”的研究论文。《Applied Soft Cpmputing》2023年影响因子为8.7，近五年平均影响因子为7.9，为中国石油大学（华东）T2期刊。

在无人机航拍领域，由于部分小目标在高分辨率图片中占比非常小分割难度大。针对这些小目标难以分割的问题，本文提出一种新型的语义分割网络模型，其中通过设计新的空间计算模块来提高小目标的分割效果。我们选取训练速度快和特征提取效果好的EfficientNetsV2作为网络的主干网络；另外我们发现传统的池化方式会导致空间位置、目标边缘等像素信息的丢失，这不利于空间信息的计算，故设计了一种基于希尔伯特曲线遍历的图像降维算法，并将其应用到空间计算模块中作为网络的特征增强模块。最后，我们利用跳跃连接以及ECANet组成新的解码器进行高、底层特征图的融合，这样的网络结构可以在保证增加少量网络参数的情况下解决高分辨率图像中小目标分割效果不好的问题。

文章链接：HilbertSCNet: Self-attention networks for small target segmentation of aerial drone images - ScienceDirect