深層学習に基づく物体検出アルゴリズムを宇宙光学リモートセンシング（Space Optical Remote Sensing、SORS）の複雑なシーン画像に直接適用すると、船舶の検出性能が低下する問題が発生する。本論文では、この課題に対して、近海の複雑な背景で密集配置された船舶および遠海の多干渉小中型船舶を検出対象とし、改良型YOLOX-s（Improved You Only Look Once-s、IM-YOLO-s）アルゴリズムを提案する。特徴抽出段階では、CA位置注意モジュールを導入し、高さ方向と幅方向の二方向からターゲット情報の位置に重みを割り当て、モデルの検出精度を向上させた。特徴融合段階では、BiFPN加重特徴融合アルゴリズムをIM-YOLO-sのネック構造に適用し、小さなターゲット船舶の検出精度をさらに向上させた。モデル最適化訓練段階では、CIoU損失をIoU損失に代えて使用し、ズーム損失を信頼度損失に代え、クラス損失の重みを調整して、正例分布が密集している領域の訓練重みを増加させ、密集分布船舶の見逃し率を低減した。さらに、HRSC2016データセットに沿岸の小中型船舶画像を追加し、独自に構築したHRSC2016-Ggデータセットは、海上船舶および小さなピクセル船舶の検出時のロバスト性を強化した。HRSC2016-Ggデータセットによるアルゴリズム性能評価の実験結果は、IM-YOLO-sがSORSシーンの船舶検出においてリコール率97.18%、AP@0.5は96.77%、F1値は0.95であり、元のYOLOX-sアルゴリズムに比べてそれぞれ2.23%、2.40%、0.01の向上を示した。これは、本アルゴリズムがSORSの複雑な背景画像に対して高品質な船舶検出を行えることを十分に示している。

船舶検出;深層学習;CA注意モジュール;加重特徴融合;損失関数最適化