SAR图像中飞机目标的离散散射点和严重的背景杂波干扰使得飞机目标检测具有挑战性。目前，基于卷积或基于transformer范式的方法不能充分解决这些问题。本文首次探索了用于SAR图像飞机目标检测的扩散模型，并提出了一种新的基于扩散的SAR图像飞机目标检测网络(DiffDet4SAR)。DiffDet4SAR将SAR飞机目标检测任务映射为包围盒的去噪扩散过程，无需启发式锚框尺寸选择，有效地适应了飞机

SAR图像中飞机目标的离散散射点和严重的背景杂波干扰使得飞机目标检测具有挑战性。目前，基于卷积或基于transformer范式的方法不能充分解决这些问题。本文首次探索了用于SAR图像飞机目标检测的扩散模型，并提出了一种新的基于扩散的SAR图像飞机目标检测网络(DiffDet4SAR)。DiffDet4SAR将SAR飞机目标检测任务映射为包围盒的去噪扩散过程，无需启发式锚框尺寸选择，有效地适应了飞机

在 SAR - AIRcraft1.0 数据集上，Cascade R - CNN 和 ConsistencyDet 等方法在强背景干扰下会产生大量假阴性和误判，而 MaDiNet 凭借 MambaSAR 模块中的四种具有对称分支的扫描机制，覆盖了输入图像的每个区域，提高了图像特征捕获的效率和全面性，为后续的特征提取提供了丰富的多维信息库，从而在复杂背景下仍能准确检测目标。同时，骨干网络中的Mamb

SAR图像中飞机目标的离散散射点和严重的背景杂波干扰使得飞机目标检测具有挑战性。目前，基于卷积或基于transformer范式的方法不能充分解决这些问题。本文首次探索了用于SAR图像飞机目标检测的扩散模型，并提出了一种新的基于扩散的SAR图像飞机目标检测网络(DiffDet4SAR)。DiffDet4SAR将SAR飞机目标检测任务映射为包围盒的去噪扩散过程，无需启发式锚框尺寸选择，有效地适应了飞机