暗い天体を対象とする場合、それはピクセルの割合が少なく、背景のコントラストが低く、内部情報が不足しています。そこで、層状の注力密度ネストネットワークHADN-Netに向けた暗い天体目標検出を提案します。まず、複数のブランチGhost-Dilated Attention ModuleMul-GDAMを提案し、多様な感受野の特徴抽出方針を採用することで、目標の局所近傍の上下文情報のモデリング能力を高め、軽量化Ghost convolutionと空間因子分解convolutionを組み合わせて、計算負荷を減らしつつ、背景ノイズを効果的に抑制し、暗い目標の特徴表現能力を強化します。そして、階層化特徴統合モジュールHiFAMを提案し、空間-チャネル次元にわたる特徴の相互作用を使用して、多尺度の特徴マップの自己適応的な重み付け統合を実現し、空間の再重み付けとチャネルの自己適応的な統合を通じて、暗い目標の情報を統合特徴マップでの表現品質を向上させます。 HADN-Netは暗い目標の検出能力を著しく向上させ、実際の地上光学画像での実験では、HADN-Netは94.648%のリコール率、95.518%の検出精度、および95.081%のF1スコアを実現し、いずれもSOTAの性能に達し、既存の5つの先進的な手法よりも優れており、特にリコール率では、2.855%の性能向上が見られ、HADN-Netは暗い天体目標の検出において有効であることを証明します。この手法は天文画像の中の暗い天体目標検出に新しい解決策を提供し、深宇宙探査、宇宙資源開発などのタスクに実用的な意義を持っています。

コンピュータビジョン;地上光学天文画像;暗い天体;目標検出;ニューラルネットワーク