압축 센싱 기반의 우주 광학 원격 탐사 영상 시스템은 샘플링 단계에서 하드웨어를 통해 샘플링과 압축을 동시에 수행할 수 있습니다. 함선 탐지 작업에 직면했을 때, 시스템은 원래 장면을 재구성해야 하며, CS 장면 재구성 과정은 계산량이 크고 메모리 요구 사항이 높으며 시간이 많이 소요됩니다. 본 논문에서는 영상 시스템 측정값에 직접 적용하는 함선 탐지 알고리즘인 압축 센싱 및 개선된 YOLO 기반 측정값 함선 탐지 알고리즘을 제안합니다. 영상 시스템의 블록 단위 압축 샘플링 과정을 시뮬레이션하기 위해 보폭과 컨볼루션 커널 크기가 같은 컨볼루션 측정 층을 이용해 장면에 컨볼루션 연산을 수행하여 고차원 영상 신호를 저차원 공간에 투영하여 전체 장면의 CS 측정값을 얻습니다. 장면의 측정값을 얻은 후, 측정값 함선 탐지 네트워크는 측정값에서 함선의 위치 정보를 추출합니다. 백본 네트워크에는 SENet 모듈을 도입하여 개선된 백본 네트워크로 측정값의 함선 특성 정보를 추출하며, 특징 피라미드 네트워크를 이용해 특징 추출을 강화하고 얕은 층, 중간 층, 깊은 층의 특징 정보를 융합하여 함선의 위치 정보 예측을 완성합니다. CS-IM-YOLO는 컨볼루션 측정 층과 CS 측정값 함선 탐지 네트워크를 연결해 엔드 투 엔드로 학습시켜 알고리즘 전처리 과정을 크게 단순화합니다. 데이터셋 HRSC2016을 통해 알고리즘 성능을 평가한 결과, CS-IM-YOLO는 SORS 장면의 CS 측정값 함선 탐지에서 정확도 91.60%, 재현율 87.59%, F1 값 0.90, AP 값 94.13%를 보였습니다. 이는 해당 알고리즘이 SORS 장면의 CS 측정값에 대해 고품질 함선 탐지가 가능함을 충분히 나타냅니다.

압축 센싱 측정값 기반 함선 탐지; 압축 센싱; 딥러닝; 공동 학습 최적화