M²S-YOLOv8：海洋環境におけるマルチスケールおよび非対称性を考慮した船舶検出

科学分野:

• コンピュータビジョン
• 海洋ロボット工学
• 人工知能

背景:

• 船舶検出は海洋環境知覚にとって重要ですが、ターゲットのオクルージョン、マルチスケールターゲット、非対称ジオメトリ、および過酷な画像条件のような課題に直面しています。
• 既存のビジョンベースの方法は、実際の海洋環境で一般的な画質低下や複雑なシナリオに対処するのに苦労しています。

研究 の 目的:

• 現在の方法が複雑な海洋設定で持つ限界に対処する、改善された船舶検出フレームワーク、M2S-YOLOv8を開発すること。
• マルチスケールおよび非対称船舶ターゲットの知覚を強化し、特徴融合効率を改善し、小ターゲット回帰を安定させること。

主な方法:

• バックボーンにマルチスケール非対称性認識並列パッチワイズアテンション（MSA-PPA）モジュールを組み込んだYOLOv8に基づいたM2S-YOLOv8フレームワークを提案しました。
• 効率的な適応的特徴融合のために、ネックにデフォーマブル畳み込みアップサンプリング（DCNUpsample）演算子を導入しました。
• 小ターゲット回帰の安定性を向上させるために、Wasserstein距離ベース重み付き正規化CIoU（WA-CIoU）損失関数を開発しました。

主要な成果:

• M2S-YOLOv8は、無人船周山知覚データセット（UZPD）およびシンガポール海事データセット（SMD）でパフォーマンスが向上したことを実証しました。
• このフレームワークは、軽量設計とリアルタイム推論機能との間のバランスを達成しました。
• マルチスケールおよび非対称ターゲットの知覚強化、効率的な特徴融合、および安定した局在化が観察されました。

結論:

• M2S-YOLOv8は、困難な海洋環境における船舶検出のための堅牢なソリューションを提供します。
• 提案された強化は、検出精度と局在化の安定性を大幅に向上させます。
• このフレームワークは、信頼性の高い海洋知覚のために無人海洋プラットフォームのエッジデバイスへの展開に大きな可能性を示しています。