宇宙基盤プラットフォームに基づく遠距離移動目標の検出および認識は、広帯域、画像のぼやけ、小さな目標サイズといった課題に直面しています。宇宙基盤プラットフォームのデブラーアルゴリズムに対する高いリアルタイム性、汎用性、再構成品質の要求に応えるため、注意機構に基づくマルチスケール多段階畳み込みニューラルネットワーク手法を提案しました。最適化されたモジュール数の軽量マルチスケール多段階ネットワークをリアルタイム性の保障として利用し、周波数領域に基づく自己注意機構ソルバーおよび識別的フィードフォワードニューラルネットワーク（Frequency domain based self-attention solver and discriminative FFN、F-D）と畳み込み注意モジュール（Concolutional Block Attention Module、CBAM）を組み合わせて空間領域および周波数領域の重要情報をキャプチャします。実験結果は、デブラー手法の復元速度が34フレーム/秒を超え、処理時間が典型的なアルゴリズムの約1/3であることを示しています。赤外小目標データセットでのPSNRは32dB以上、SSIMは0.87以上であり、可視光小目標データセットではPSNRが17dB以上、SSIMが0.93以上です。このアルゴリズムは広帯域に対して汎用性を持ち、小さな目標の輪郭および形状情報を効果的に復元できます。

コンピュータビジョン; 画像デブラー; 注意機構; 小目標