野生動物の夜間ターゲット検出の精度と効率が低く、人手による全面的なラベル付けが困難である問題に対し、半教師あり学習に基づく夜間野生動物のエンドツーエンド認識モデル（SAN-YOLO）を提案した。YOLOv8に特徴注意機構とピクセル注意機構を融合し、検出器の夜間画像への適応性と特徴表現能力を向上させた。その後、教師あり学習フレームワークに基づく半教師あり学習ネットワークを構築し、疑似ラベルを生成し合理的に割り当てることで、学生モデルが大量の未ラベルの生画像から学習できるようにした。最後に、構築したデータセットで評価を行った。実験結果では、5％のラベル使用時にSAN-YOLOのmAP値が69.7％に達し、完全教師あり学習下の検出器の59.6％およびベースラインモデルの57.1％を上回った。研究した検出手法は、少量ラベルの夜間動物データセットで良好な性能を示し、夜間ターゲット検出分野における注意機構の有効性を検証した。

ターゲット検出;半教師あり学習;赤外線ナイトビジョン;野生動物保護;教師-学生モデル;注意機構