전통적인 심층 합성곱 신경망이 선박 이미지 세분류에서 가지는 한계를 해결하기 위해, 본 논문에서는 세분류 원격 감지 선박 개방 집합 인식 모델을 설계하였다. 우선, 주의 메커니즘 기반의 STN 모듈을 특징 추출 네트워크 앞에 도입하여 배경 정보를 필터링한다; 이후 STN 모듈 뒤에 다중 스케일 병렬 합성곱 구조를 연결하여 네트워크가 다양한 스케일의 지역적 영역 특징을 추출하는 능력을 강화한다; 추출된 특징은 각각 기본 분기와 메타 임베딩 분기에 입력되어 클래스 간 분산은 증가시키고 클래스 내 분산은 감소시키며, 동시에 꼬리 클래스의 소수 샘플 학습을 강화한다; 마지막으로 두 분기의 분류 결과를 의사결정 융합하여 설정된 임계값에 따라 알려진 클래스와 알려지지 않은 클래스를 판단하고, 알려진 클래스는 다시 세분화한다. 균형 및 불균형 분포의 FGSCR-42 데이터셋에서 4가지 개방도 실험을 수행하였으며, 결과는 균형 분포 데이터셋에서 4가지 개방도의 평균 정확도가 각각 90.5%, 86.3%, 85.7%, 85.1%이고, 불균형 분포 데이터셋에서는 90.0%, 85.1%, 84.3%, 84.1%임을 보여준다. 현재 주류 선박 인식 방법과 비교할 때, 본 방법은 더 높은 인식 정확도와 더 나은 일반화 능력을 가진다.

주의 메커니즘;세분류 분류;개방 집합 인식;의사결정 융합