#雷达光学融合

提出基于Swin Transformer的跨域遥感场景分类框架，提升异构传感器间的域不变特征学习。

综述水下光学图像中的小目标检测，梳理问题、数据集、算法，并展望未来方向。

用VOSviewer对1999-2025年1351篇光学遥感去云文献做计量分析，梳理发展脉络与热点。

提出一种注意力引导的自适应多尺度融合方法，提升遥感图像目标检测精度。

刘浩然、王宇、赵学观、吴华瑞、付豪、庞树杰、翟长远(北京市农林科学院智能装备技术研究中心/国家农业智能装备工程技术研究中心)针对枝叶遮挡下田间胡萝卜苗精准识别难题,提出基于改进YOLOv11s的轻量化检测方法CD-YOLO:将主干网络部分标准卷积替换为深度可分离卷积降低模型复杂度,在C3k2模块引入高效多尺度注意力机制EMA构建C3k2_EMA模块增强关键特征动态感知,采用动态检测头强化多尺度特征融合与感知,显著提升检测鲁棒性。

系统综述光谱与三维几何融合的采集、表示、学习与应用，并指出评测瓶颈。

系统综述目标检测三十年演进，从传统方法到深度学习、Transformer与大模型。

综述YOLO模型在无人机人道排雷中检测地雷与未爆弹药的技术管线。