従来の深層畳み込みニューラルネットワークが船舶画像の細粒度分類において持つ制約を解決するために、本稿では細粒度リモートセンシング船舶オープンセット認識モデルを設計した。まず、注意機構に基づくSTNモジュールを特徴抽出ネットワークの前に導入し、背景情報をフィルタリングする；次にSTNモジュールの後に多尺度並列畳み込み構造を接続し、異なるスケールの局所領域の特徴抽出能力を強化する；続いて抽出された特徴を基分岐とメタ埋め込み分岐にそれぞれ入力し、クラス間分散を拡大しクラス内分散を縮小するとともに、ロングテールの少数サンプルに対するモデルの学習を強化する；最後に両分岐の分類結果を意思決定融合し、設定された閾値に基づいて既知クラスと未知クラスを判別し、さらに既知クラスを細分化する。バランスおよびアンバランス分布のFGSCR-42データセットで4種類のオープン度実験を行い、結果はバランス分布のデータセットで平均精度がそれぞれ90.5％、86.3％、85.7％、85.1％、アンバランス分布のデータセットで90.0％、85.1％、84.3％、84.1％であることを示した。現在の主流の船舶認識方法と比較して、本手法はより高い識別精度と優れた汎化能力を持つ。

注意機構;細粒度分類;オープンセット認識;意思決定融合