火星の表面に広く分布する岩石は、火星ローバーの安全な走行に潜在的な脅威をもたらし、また岩石の分布特性は火星の着陸地域の地質進化の重要な手がかりを提供します。しかし、火星ローバーの画像中の岩石の識別は多重の課題に直面しています：岩石と背景の輪郭がぼやけているため輪郭の抽出が困難であり、表面のテクスチャ特徴の類似性が誤判定を引き起こし、また既存の火星岩石の実データセットの不足がモデルの訓練を制約しています。火星ローバーの画像中の岩石を正確に識別するために、本稿では、コンボリューション・セルフ・アテンション・ネットワークに基づく岩石自動識別モデルを提案します。このモデルは、エンコーダー・デコーダー・アーキテクチャを採用しており、エンコーダーは画像特徴を抽出するためにコンボリューションニューラルネットワークに基づいており、改良されたセルフアテンションモジュールを組み込んでモデルのコンテキスト情報への感知能力を強化します。デコーダーは、エンコーダーが抽出した特徴を画像空間にマッピングして正確な分割を実現します。モデルの性能を検証するために、本稿では「祝融号」火星車の画像に注釈処理を行い、天気問データセットを構築し、シンマーズ、シンマーズ6k、「好奇号」画像データセットMarsData-v2など複数のデータセットと組み合わせてモデルの性能をテストし、検証しました。また、本稿は、このモデルをDeepLabv3+、Unet++、Segformer、Marsnetなど多様な手法と精度を比較しました。平均ピクセル正確度、再現率、ジャックバイトなどの指標を使用して評価した結果、このモデルは岩石を正確に識別でき、シミュレーションデータセットでの精度や再現率はそれぞれ90%以上であり、実データセットでの精度や再現率は最適です。

火星; 岩石抽出; コンボリューションネットワーク; Transformer; 特徴抽出