본 연구는 픽셀 비율이 낮고 배경과의 대비가 낮으며 내부 정보가 부족한 약한 천체 대상의 감지에 초점을 맞추고, 고조도 주의 집중적인 HADN-Net을 제안한다. 우선, 다중 분기 Ghost- Mul-GDAM 주의 모듈을 소개하였는데, 이는 다중 영역 특징 추출 전략을 사용하여 대상의 지역 이웃의 콘텍스트 정보 모델링 능력을 강화한다. 그리고 서라운드-채널 차원에서 정보 교환을 통해 다중 스케일 특징 맵을 적응적으로 통합하는 계층화 특징 집리 모듈인 HiFAM을 소개한다. HADN-Net은 약한 대상 감지 능력을 크게 향상시켰다. 실제 지상 광학 이미지 실험에서 HADN-Net은 94.648%의 검색률, 95.518%의 검출 정확도 및 95.081%의 F1 점수를 달성하여 SOTA 성능을 발휘하고 기존 5가지 선진 방법을 능가하였다. 특히 검색률 측면에서 앞선 방법의 성능이 2.855% 향상되었으며, 이는 HADN-Net의 효과를 확인하였다. 본 방법은 천체 이미지에서의 약한 천체 대상 감지에 대한 새로운 해결책을 제공하며, 우주 탐사 및 우주 자원 개발과 같은 실제 응용에 중요하다.

컴퓨터 비전;지상에서의 광학 천문학 이미지;약한 천체;대상 감지;신경망