LHR-YOLO: YOLO11をベースとしたSAR小型ターゲット船舶検出手法
LHR-YOLO: A SAR small-target ship detection method based on improved YOLO11
本論文は、合成開口レーダー(SAR)による小型船舶ターゲット検出の精度向上を目指し、YOLO11をベースとした高解像度検出アルゴリズム「LHR-YOLO」を提案する。Stemステージでは、ガウシアン・ラプラシアンエッジ強調とガウシアンフィルタリング機構を導入し、微小船舶ターゲットの浅い特徴知覚を改善する。Backboneでは、チャネルシャッフル、再パラメータ化畳み込み、特徴集約戦略を組み込んだ改良型C3k2モジュールにより、マルチスケール特徴表現を強化する。Neck–Detectステージでは、高周波知覚、空間依存性モデリング、高解像度検出ヘッドを統合し、極小ターゲットの局所化精度をさらに向上させる。実験の結果、LHR-YOLOはHRSIDとSSDDデータセットでそれぞれ71.59%、73.40%のmAP50:95を達成した。YOLO11nと比較して、HRSIDでのmAPは53.95%から60.53%へ6.58パーセントポイント増加した。これらの結果は、複雑なSAR海上シーンにおける微小船舶検出に対する提案アルゴリズムの有効性を検証するものである。ソースコードは https://github.com/LRYTH/LHR-YOLO で公開されている。
- SAR小型船舶検出向けにYOLO11ベースの高解像度検出アルゴリズム「LHR-YOLO」を提案(Stemでのエッジ強調、Backboneの改良型C3k2、Neck–Detectの高解像度検出ヘッドを統合)
- HRSIDとSSDDデータセットでmAP50:95がそれぞれ71.59%、73.40%を達成
- YOLO11n比でHRSIDのmAPが53.95%から60.53%へ6.58ポイント改善
- ソースコードをGitHubで公開
学術論文レベルのSAR小型船舶検出アルゴリズム改善であり、直接の事業インパクトは乏しい。ただしYOLO11系の改良が公開コード付きで進む点は、防衛・海洋監視・地理空間AI向けエッジ推論の性能底上げにつながる。衛星SARコンステレーションやISR(情報・監視・偵察)案件を持つ企業にとっては、検出精度(mAP)の向上がデータ処理コスト削減やリアルタイム性向上に効くため、こうしたモデル進化が実運用パイプラインに取り込まれるかを注視したい。