基于合成孔径声呐（SAS）视觉Transformer的LoRA增强对比学习

基于合成孔径声呐（SAS）的自动目标识别（ATR）支撑先进海军能力，但深度学习受制于稀缺的目标图像、背景杂波以及人在回路的评估。我们采用三阶段参数高效框架，将DINOv3视觉Transformer（ViT）模型适配到水下SAS ATR。第一阶段在冻结ViT骨干的同时使用低秩适配（LoRA），弥合自然图像预训练与水下声传播之间的差距。第二阶段使用难负样本挖掘，强化针对声学仿形干扰（如酷似人造目标的岩石与沉积构造）的决策边界。第三阶段使用监督对比学习（SupCon）分离目标与杂波表征。我们使用任务级地理划分评估海上实测SAS数据，在85%测试召回率下比较所有实验组，并对每次比较重复三个随机种子。LoRA贡献了主要效应：在相同冻结骨干下将精确率-召回率曲线下面积（AUPRC）从0.300提升至0.679±0.027；秩为4时仅训练0.26%的权重即取得该结果。两个精炼阶段均未超过各自匹配的对照：难负样本挖掘相对等规模随机课程使AUPRC变化-0.0045±0.0119，SupCon相对前一阶段使AUPRC变化+0.0002±0.0096。这些零结果说明，挖掘发生在编码器已然拟合的数据上，且监督阶段已施加了大部分目标-杂波几何结构。一个高效适配阶段即已足够，堆叠精炼并无必要。