物理に基づく検出器によるSAR航空機検出

SAR航空機ターゲットの分散構造分布（離散性）および散乱特性の多様性（変動性）は、物体検出および識別において特有の課題を引き起こす。現在の深層学習ベースの検出器は、複雑な背景における細粒度なSAR航空機を正確に区別する点で困難に直面している。これを解決するために、本研究ではSAR航空機の離散性と変動性を包括的に捉え、検出性能を向上させるための新しい物理情報誘導型検出器（Physics-guided Detector, PGD）学習枠組みを提案する。このPGDは、「バックボーン-ネック-ヘッド」アーキテクチャを持つ既存のさまざまな深層学習ベースの検出器に拡張可能な汎用的な学習フレームワークである。PGDの主な貢献は、物理情報誘導型自己教師学習（PGSSL）、特徴強化（PGFE）、インスタンス認識（PGIP）の3つのモジュールに集約される。PGSSLは、多様なSAR航空機ターゲットを対象として、さまざまな離散的構造分布に関する事前知識を埋め込み空間に反映する自己教師学習タスクを構築することを目的とする。その後、PGFEはPGSSLから学習された物理情報に従って、検出器のマルチスケール特徴表現を強化する。PGIPは検出ヘッドに構築され、各SAR航空機インスタンスの精緻化された主要散乱点を学習することで、複雑な背景からの干渉を軽減する。本研究では、PGDとPGD-Liteの2つの実装を提案し、異なるバックボーンおよび検出ヘッドを備えた複数の既存検出器に適用した。実験結果により、提案手法の柔軟性と有効性が確認された。PGDは細粒度分類タスクを伴うSAR航空機検出において、既存の検出器性能を最大で3.1%のmAP向上を達成し、SAR-AIRcraft-1.0データセットにおいて最先端の性能（90.7% mAP）を達成した。本プロジェクトはオープンソースとして公開されており、GitHubページ（https://github.com/XAI4SAR/PGD）にて利用可能である。