심층 학습 기반 객체 탐지 알고리즘을 우주 광학 원격 탐사(Space Optical Remote Sensing, SORS)의 복잡한 장면 이미지에 직접 적용할 경우 선박 객체 탐지 성능이 저하되는 문제가 발생한다. 이 문제를 해결하기 위해 본 논문은 근해 복잡한 배경의 밀집 배치 선박과 원해 다중 간섭 소형·중형 선박을 탐지 대상으로 하여 개선된 YOLOX-s (Improved You Only Look Once-s, IM-YOLO-s) 알고리즘을 제안한다. 특징 추출 단계에서는 CA 위치 주의 모듈을 도입하여 높이와 너비 두 방향에서 목표 정보 위치의 가중치를 할당함으로써 모델의 탐지 정확도를 향상시켰다; 특징 융합 단계에서는 BiFPN 가중치 특징 융합 알고리즘을 IM-YOLO-s의 목 구조에 적용하여 소형 목표 선박 탐지 정확도를 추가적으로 향상시켰다; 모델 최적화 학습 단계에서는 CIoU 손실을 IoU 손실 대신 사용하고, 줌 손실을 신뢰도 손실 대신 사용하며, 클래스 손실 가중치를 조정하여 양성 샘플 분포가 밀집된 영역의 학습 가중치를 증가시키고 밀집 분포 선박의 누락 검출률을 감소시켰다. 또한 HRSC2016 데이터셋 기반에 연안 소·중형 선박 이미지를 추가하여 자체 구축한 HRSC2016-Gg 데이터셋이 해상 선박 및 소형 픽셀 선박 탐지 시 강인성을 강화하였다. HRSC2016-Gg 데이터셋을 통한 알고리즘 성능 평가 결과, IM-YOLO-s는 SORS 장면 선박 탐지의 재현율이 97.18%, AP@0.5는 96.77%, F1 값은 0.95로 원 YOLOX-s 알고리즘 대비 각각 2.23%, 2.40%, 0.01 향상됨을 보였다. 이는 해당 알고리즘이 SORS 복잡 배경 이미지에서 고품질 선박 탐지를 수행할 수 있음을 충분히 보여준다.

선박 탐지;심층 학습;CA 주의 모듈;가중치 특징 융합;손실 함수 최적화