MDF-Det: 広域小移動目標検出のための動き認識型分離とシーンフィルタリング
MDF-Det: Motion-Aware Decoupling and Scene Filtering for Wide Area Small Moving Target Detection
広域移動画像(WAMI)における移動目標検出は、大規模なインテリジェント監視システムに不可欠ですが、低フレームレートのグレースケールWAMIにおける非常に小さな移動目標の検出は依然として困難です。既存手法の性能を制限する主な問題として、コントラストの低さによる運動応答の弱さ、密集した目標の分離困難さ、登録アーチファクトや背景のノイズによる誤検出が挙げられます。これらの問題に対処するため、本研究ではWAMI小移動目標検出のための粗視的から精緻への時空間フレームワークであるMDF-Detを提案します。このフレームワークは、3つのコンポーネントから構成されます。第一に、動きと外観の特徴融合(MAFF)戦略は、オプティカルフロー由来の運動顕著性とフレーム差分を統合し、弱い目標応答を強化します。第二に、空間的注意機構ガイド型目標分離(SA-TD)モジュールは、ヒートマップデコーディングとステップ閾値劣化を用いて、密集したシーンでの応答のマージを分離します。第三に、シーン事前知識ガイド型フィルタリング(SPGF)機構は、シーンコンテキストから車両アクセス可能性と運動活動の事前知識を学習し、複雑な背景干渉による誤検出を抑制します。WPAFB 2009データセットの6つの評価AOIでの広範な実験により、MDF-Detは平均F1スコア0.878を達成し、最良のベースラインと比較して5.5%の相対的改善を示しました。
- WAMI低フレームレート・グレースケール画像における超小型移動目標検出のため、粗視的から精緻への時空間フレームワーク MDF-Det を提案。MAFF(動き・外観特徴融合)、SA-TD(空間注意機構ガイド型目標分離)、SPGF(シーン事前知識ガイド型フィルタリング)の3コンポーネントで構成。
- WPAFB 2009データセットの6つの評価AOIで平均F1スコア0.878を達成し、最良ベースライン比で5.5%の相対改善を報告。
WAMI(広域移動画像)監視における超小型移動目標検出という、防衛・地理空間情報(GEOINT)需要に直結するコンピュータビジョン研究です。低コントラストや密集シーンでの分離、背景ノイズによる誤検出という実運用上の課題に対し、MAFF/SA-TD/SPGF の3モジュール構成で平均F1 0.878(ベースライン比+5.5%)を達成しており、ベンチマーク上の限界はあるものの精度改善が定量的に示されている点は評価できます。ただし現時点では WPAFB 2009 という公開データセット上での学術的成果に留まり、商用製品化や企業の資本配分・受注に直接つながる発表ではないため、短期的な投資判断材料としては弱く、防衛・衛星画像解析プレイヤーの技術ロードマップを測る参考情報として位置づけるのが妥当です。