Распространенность камней, разбросанных по поверхности Марса, представляет потенциальную угрозу безопасности движения марсоходов, при этом характеристики разброса камней также являются важными уликами для изучения геологической эволюции посадочных участков на Марсе. Однако выявление камней на изображениях марсоходов сталкивается с множеством проблем: нечеткая граница между камнями и фоном затрудняет извлечение контуров, сходство текстурных характеристик поверхности вызывает ложные срабатывания, и отсутствие реальных наборов данных о марсианских камнях сдерживает обучение моделей. Для достижения точного выявления камней на изображениях марсоходов предлагается модель автоматического выявления камней на основе сверточной нейросети с использованием модуля самосознания. Эта модель использует архитектуру кодировщик-декодировщик, где кодировщик извлекает характеристики изображения с использованием сверточной нейронной сети и встраивает улучшенный модуль самосознания для повышения способности модели воспринимать контекстную информацию; а декодер отвечает за сопоставление извлеченных характеристик данных кодировщика с пространством изображения для достижения точного разделения. Чтобы проверить производительность модели, в этой работе аннотированы изображения марсохода "Цзы Рун", составлен набор данных "Тяньвен", а также произведено тестирование и проверка производительности модели на нескольких наборах данных, таких как симуляционные наборы данных Synmars и Simmars6k, а также набор данных изображений марсохода "Любопытство" MarsData-v2. Кроме того, модель сравнивается с множеством методов, таких как DeepLabv3+, Unet++, Segformer, Marsnet, чтобы оценить точность. Результаты показали, что модель способна точно выявлять камни, причем для симуляционных наборов данных доля верных пикселей и полнота дете…

Марс; извлечение камней; сверточные нейронные сети; Трансформатор; извлечение характеристик