화성 표면에 널리 분포된 돌 조각들은 화성 탐사차의 안전한 주행에 잠재적인 위협을 제기하며, 동시에 돌 조각의 분포 특성은 화성 착륙 지역의 지질 진화를 연구하는 데 중요한 단서를 제공합니다. 그러나 화성 탐사차 이미지 내 돌 조각 인식은 여러 도전에 직면해 있습니다: 돌 조각과 배경의 경계가 흐릿하여 윤곽 추출이 어려우며, 표면 질감 특징의 유사성으로 인해 오판이 발생하고, 기존의 화성 돌 조각 실제 데이터셋이 부족하여 모델 학습에 제약이 있습니다. 본 논문에서는 화성 탐사차 이미지 내 돌 조각의 정밀 인식을 위해 합성곱 자기 주의 네트워크 기반의 돌 조각 자동 인식 모델을 제안하여 이미지의 픽셀 단위 분할을 실현하였습니다. 본 모델은 인코더-디코더 구조를 채택하였으며, 인코더는 합성곱 신경망을 기반으로 이미지 특징을 추출하고 개선된 자기 주의 모듈을 삽입하여 모델의 문맥 정보 인지 능력을 강화하며, 디코더는 인코더가 추출한 특징을 이미지 공간으로 매핑하여 정밀한 분할을 수행합니다. 모델 성능 검증을 위해 본 논문에서는 “주룽” 화성차 영상을 주석 처리하고 천문 데이터셋을 구축하였으며, 시뮬레이션 돌 조각 데이터셋 Synmars, Simmars6k, “큐리오시티” 영상 데이터셋 MarsData-v2 등 여러 데이터셋과 결합하여 모델의 성능을 테스트하고 검증하였습니다. 또한 본 모델을 DeepLabv3+, Unet++, Segformer, Marsnet 등 다양한 방법과 정밀도를 비교하였습니다. 평균 픽셀 정밀도, 재현율, 교집합비율 등의 지표를 사용한 평가 결과, 본 모델이 돌 조각을 정확하게 인식할 수 있음을 보여주었으며, 시뮬레이션 데이터셋에서는 정밀도와 재현율이 90% 이상에 도달하였고 실제 데이터셋에서도 최고 성능을 기록하였습니다.

화성; 돌 조각 추출; 합성곱 신경망; 트랜스포머; 특징 추출