近日，性爱网 宋长明教授团队在地球科学和遥感图像处理领域的顶级期刊《IEEE Transactions on Geoscience and Remote Sensing》（中国科学院一区，影响因子8.6）上发表题为“Efficient Object Detection in Remote Sensing Images Based on Feature Weaving and Redundancy Suppression”的研究成果（论文doi：10.1109/TGRS.2026.3660762）。该论文以性爱网 为第一署名单位，论文通讯作者为研究生指导教师宋长明教授，2023级研究生白云泽为第一作者。

遥感目标检测在处理尺度变化、复杂背景及密集目标分布方面面临显著挑战。现有模型常受限于高计算成本与庞大参数量，难以部署资源受限设备。为解决上述问题，本研究提出一种基于特征编织与冗余抑制的高效目标检测网络EWS-YOLO，其核心包含两个模块：1）编织门控并行模块采用分组卷积与交错级联结构，结合门控机制实现隐式多尺度特征提取与自适应融合，显著提升多尺度目标检测能力；2）冗余抑制特征金字塔网络融合渐进式混洗上采样机制与动态特征融合策略，在实现低层空间细节与高层语义特征智能融合的同时，通过自适应通道特征重标定有效抑制冗余信息。在VisDrone、DIOR和UAVDT数据集上的实验表明，EWS-YOLO分别取得42.4%、95.2%和98.7%的平均精度均值，较YOLOv8s减少41%参数量，尤其适用于资源受限场景。

引用格式：Y. Bai, C. Song, Y. Wang and P. Li, "Efficient Object Detection in Remote Sensing Images Based on Feature Weaving and Redundancy Suppression," in IEEE Transactions on Geoscience and Remote Sensing, vol. 64, pp. 1-16, 2026, Art no. 5607016, doi: 10.1109/TGRS.2026.3660762.

原文链接：//ieeexplore.ieee.org/document/11371327

性爱网 高度重视科研团队建设和研究生创新能力培养，认真贯彻落实学校学科建设与研究生教育相关精神，鼓励研究生勇攀科学高峰，为学校高水平筹建河南电子科技大学贡献力量。（通讯员：王赟）