Immaginate di dover trovare una piccola barca in mezzo all'oceano, di notte e con la nebbia fitta. Per i satelliti dotati di radar ad apertura sintetica (SAR) è la routine: loro 'vedono' attraverso nuvole e buio, ma le navi appaiono come puntini minuscoli confusi tra le onde. Per aiutare l'intelligenza artificiale a distinguerle meglio, un team di ricercatori ha potenziato YOLO, un famoso algoritmo che riconosce gli oggetti in tempo reale.
Il trucco? Hanno inserito dei 'meccanismi di attenzione', ovvero moduli che dicono alla rete neurale: "Guarda qui, ignora il rumore di fondo" . Hanno provato diverse soluzioni avanzate, come Bi-Level Routing Attention e Swin Transformer, ma la mossa vincente è stata sostituire un preciso strato della versione YOLOv12 con un modulo chiamato CBAM (Convolutional Block Attention Module).
Il risultato è notevole: l'accuratezza sale al 98% sul dataset standard (SSD) e il modello diventa pure più leggero e veloce, richiedendo meno potenza di calcolo (5,9 GFLOPS contro 6,5). La conferma arriva testando il sistema su altri dataset: funziona benissimo anche per individuare aerei e altri oggetti. Una svolta per la sorveglianza marittima automatizzata, più precisa ed efficiente.
