圧縮センシングに基づく宇宙光学リモートセンシング画像システムは、サンプリング段階でハードウェアによって同時にサンプリングと圧縮を行うことができます。船舶検出タスクに直面した際、システムは元のシーンを再構築する必要がありますが、CSのシーン再構築プロセスは計算量が大きく、メモリ要求が高く、時間がかかります。本稿では、画像システムの測定値に直接適用する船舶検出アルゴリズム、すなわち圧縮センシングと改良されたYOLOに基づく測定値船舶検出アルゴリズムを提案します。画像システムのブロック圧縮サンプリングプロセスをシミュレートするために、ストライドと畳み込みカーネルサイズが等しい畳み込み測定層を用いてシーンを畳み込み演算し、高次元画像信号を低次元空間に投影して、シーン全体のCS測定値を得ます。シーンの測定値を取得した後、測定値船舶検出ネットワークは測定値から船舶の位置情報を抽出します。バックボーンネットワークにはSENetモジュールを導入し、改良されたバックボーンネットワークを用いて測定値の船舶特徴情報を抽出します。特徴ピラミッドネットワークを利用して特徴抽出を強化し、浅層・中層・高層の特徴情報を融合して船舶の位置情報予測を行います。CS-IM-YOLOは畳み込み測定層とCS測定値船舶検出ネットワークを繋げてエンドツーエンド学習を行い、アルゴリズムの前処理を大幅に簡略化しました。データセットHRSC2016でアルゴリズム性能を評価した結果、CS-IM-YOLOはSORSシーンのCS測定値船舶検出において検出精度91.60%、再現率87.59%、F1値0.90、AP値94.13%を示しました。これは、本アルゴリズムがSORSシーンのCS測定値に対して高品質な船舶検出を実現できることを十分に示しています。

圧縮センシング測定値の船舶検出; 圧縮センシング; 深層学習; 共同学習最適化