ピクセル占有率が小さく、背景とのコントラストが低く、内部情報が乏しい暗弱天体の特徴に対して、暗弱天体検出を目的とした階層的注意密集ネストネットワークHADN-Netを提案する。まず、多分岐Ghost-空洞注意モジュールMul-GDAMを提案し、多感受野特徴抽出戦略によりターゲットの局所近傍の文脈情報モデリング能力を強化する。軽量なGhost畳み込みと空間因数分解畳み込みを組み合わせることで、計算コストを削減しつつ背景ノイズを効果的に抑制し、暗弱ターゲットの特徴表現能力を強化する。次に、階層的特徴集約モジュールHiFAMを提案し、空間-チャンネル次元の特徴相互作用を用いて多スケール特徴マップの適応的加重融合を実現し、空間的再重み付けとチャンネル適応融合により融合特徴マップにおける暗弱ターゲット情報の表現品質を向上させる。HADN-Netは暗弱ターゲットの検出能力を大幅に向上させた。実際の地上光学画像で実験し、HADN-Netは94.648％の再現率、95.518％の検出精度、95.081％のF1スコアを達成し、いずれもSOTA性能を達成した。既存の5つの先進的手法より優れており、特に再現率においては次点手法より2.855％の性能向上を示し、暗弱天体検出におけるHADN-Netの有効性を確認した。本手法は天文画像中の暗弱天体検出に新たな解決策を提供し、深宇宙探査や宇宙資源開発などのタスクに実用的な意義を持つ。

コンピュータビジョン;地上光学天文画像;暗弱天体;ターゲット検出;ニューラルネットワーク