東北大學機器人學院首次在Nature工程領域子刊Communications Engineering發表研究成果！
近日，東北大學機器人科學與工程學院吳成東教授團隊最新研究成果“A deep learning framework based on structured space model for detecting small objects in complex underwater environments”在國際著名學術期刊Nature的首個工程領域子刊Communications Engineering在線發表。東北大學莊曜銘特聘副研究員、2024級研究生劉佳明為論文共同第一作者，東北大學為第一完成單位，通訊作者為莊曜銘。
成果介紹
該成果創新性地融合前沿的Mamba模型與卷積神經網絡（CNN），提出了一種專用于水下目標檢測的輕量化混合架構。通過結構化狀態空間模型（SSM）與CNN的協同設計，成功攻克了傳統算法在全局建模能力不足和計算復雜度高兩大難題，并同步實現了檢測精度與硬件計算負擔的雙重優化。實驗結果表明，該框架在多個公開數據集上表現優異，不僅顯著提升了檢測精度，還大幅優化了計算效率。這一創新性解決方案為海洋資源開發與生態監測提供了兼具高效性和實用性的技術支撐，并在工程應用中展現出巨大的潛力和廣闊的應用前景。
圖1 文章研究路線圖
圖2 文章關鍵實驗結果圖
據悉，該研究成果為東北大學機器人學院在《自然》（Nature）工程領域子刊《通訊-工程》（Communications Engineering）上發表的首篇論文?！锻ㄓ?/span>-工程》作為《自然》（Nature）首本專注于工程領域的子刊，自2022年創刊以來總發文量為354篇，年均發文量不超過100篇。
全文鏈接：https://www.nature.com/articles/s44172-025-00367-9
