火星表面に広く分布する岩石は、火星探査車の安全な走行に潜在的な脅威をもたらすとともに、岩石の分布特性は火星着陸地域の地質進化を研究する上で重要な手がかりを提供します。しかし、火星探査車画像における岩石認識は複数の課題に直面しています。岩石と背景の境界が不明瞭で輪郭抽出が困難であり、表面のテクスチャ特徴の類似性により誤判別が発生し、既存の火星岩石実データセットの不足がモデル学習を制約しています。火星探査車画像中の岩石の正確な認識を実現するために、本稿では畳み込み自己注意ネットワークに基づく岩石自動認識モデルを提案し、画像のピクセルレベルのセグメンテーションを実現しました。本モデルはエンコーダ-デコーダ構造を採用し、エンコーダは畳み込みニューラルネットワークに基づいて画像特徴を抽出し、改良された自己注意モジュールを組み込んでモデルの文脈情報認識能力を強化し、デコーダはエンコーダが抽出した特徴を画像空間に写像し、精密なセグメンテーションを実現します。モデル性能の検証のため、本稿では「祝融号」火星車画像に注釈を付け、天問データセットを構築し、シミュレーション岩石データセットSynmars、Simmars6k、「キュリオシティ」画像データセットMarsData-v2など複数のデータセットを組み合わせてモデルの性能をテスト・検証しました。さらに本モデルをDeepLabv3+、Unet++、Segformer、Marsnetなど複数の手法と精度比較しました。平均ピクセル精度、再現率、IoUなどの指標による評価の結果、本モデルは岩石を正確に識別できることが示され、シミュレーションデータセットでは精度と再現率が90%以上に達し、実データセットにおいても最良の精度と再現率を記録しました。

火星; 岩石抽出; 畳み込みニューラルネットワーク; トランスフォーマー; 特徴抽出