氷河の解氷前面位置の変化に関する知識は、氷河の状態を評価する上で重要です。リモートセンシング画像は、解氷前面位置の監視に理想的なデータベースを提供しますが、時間的な制約から、全世界のすべての解氷氷河に対して手動でこのタスクを行うことは現実的ではありません。深層学習に基づく手法は、光学およびレーダー衛星画像からの氷河解氷前面の輪郭線引きに大きな可能性を示しています。解氷前面は海洋と氷河の間にある単一の細い線として表現され、これが不正確な予測に対する脆弱性を高めています。注釈付き氷河画像の限られた可用性により、データの多様性が不足しており（異なる天候条件、末端形状、センサなどすべての可能な組み合わせがデータに存在しない）、これにより正確なセグメンテーションの難易度が増しています。本論文では、合成開口レーダー（SAR）画像用の新しい氷河解氷前面セグメンテーションフレームワークであるアテンション・マルチフッキング・ディープスーパビジョン・フックネット（AMD-HookNet）を提案します。提案手法は、2つのブランチを持つU-Netに基づき、低解像度入力と高解像度入力間での複数情報相互作用を通じて特徴表現能力を向上させることを目指しています。2つのブランチU-Netに統合された注意メカニズムは、対応する粗い特徴マップと細かい特徴マップ間での相互作用を促進することを目指しており、これによりネットワークは自動的に特徴関係を調整し、正確なピクセル分類予測を行います。CaFFeという困難な氷河セグメンテーションベンチマークデータセットにおける広範な実験と比較において、我々のAMD-HookNetは真値に対する平均距離誤差438 mを達成し、現在の最先端技術よりも42%優れた性能を示しました。これはその有効性を証明しています。