リモートセンシング画像のピクセル単位船舶抽出タスクにおいて、データ基準の不足や解釈精度の低さなどの問題に対して、本論文はデータセットとネットワーク構造の2つのレベルで研究を行い、十分な数、豊富なタイプ、広範な分布を持つ船舶セマンティックセグメンテーションデータセット（Ship Semantic Segmentation Dataset、SSSD）を構築し、共同二重タスクと二重注意機構を用いた船舶抽出手法を提案した。データセットレベルでは、世界中の港湾地域を合理的に選択し、HRSC2016データセットを基にSSSDを構築し、最終的なデータセットには3,760枚の訓練画像と923枚のテスト画像が含まれている。ネットワーク構造レベルでは、多頭自己注意とチャネル注意を融合し、二重注意機構を設計してセグメンテーション精度を効果的に向上させた。さらに、輪郭監督ブランチを補助タスクとして導入し、セマンティックセグメンテーションと共同で二重タスクネットワークフレームワークを形成し、船舶と背景の分割効果を強化した。実験結果は、本手法がIoUにおいてU-Net、ASPPUNet、DeepLabV3+、MANetと比較してそれぞれ11.44%、17.84%、12.25%、1.64%改善したことを示し、二重注意と補助タスクの設計がIoUをそれぞれ2.02%、1.36%向上させた。また、一般化実験において本手法はより強い適応性と頑健性を示した。本論文で構築したSSSDは船舶のピクセルレベル解釈に信頼できるデータ基準を提供し、提案した船舶抽出手法は主流の方法と比較して優れた性能と安定性、汎化能力を有する。

リモートセンシング画像;船舶抽出;データセット;注意機構;二重タスク