通过低阶自适应变换器和区域匹配融合实现精细的海事交通感知

《Journal of Marine Engineering & Technology》：Fine-grained maritime traffic perception via low-rank adaptive transformer and regional matching fusion

针对传统水道交通管理方法存在的时空延迟和异构数据融合精度不足问题，本研究提出端到端多源数据融合框架，通过增强Edge-SAM模型结合低秩矩阵优化和船舶敏感注意力机制实现像素级分割，并创新区域匹配方法融合AIS与视频数据，有效解决时空对齐和坐标映射难题，实验显示IoU、Dice、Precision指标分别提升21%、14%、23%，为智能水道监管提供可靠技术方案。

　　

摘要

传统的水路交通信息服务和管理主要依赖于自动识别系统（AIS）、岸基雷达和视频监控等设备。然而，这些传统方法存在时间和空间延迟的问题，并且在异构数据融合方面的精度不足，难以满足水路中对精细态势感知的需求。本研究提出了一种新颖的端到端多源数据融合框架，用于实现细粒度的海上交通感知，解决了传统方法在整合异构数据方面的局限性。我们通过引入低秩矩阵优化和针对船舶的注意力机制来改进Edge-SAM实例分割模型，从而实现了对水路目标的像素级分割。同时，提出了一种区域匹配方法，将离散的AIS信息与监控视频中检测到的目标进行深度融合，有效解决了时间对齐和坐标映射等挑战。在真实内陆水道数据集上的实验表明，该方法相较于基线模型有显著提升：IoU提高了21%，Dice值提高了14%，精确度提高了23%。该方法具备强大的数据融合能力和实时处理能力，为智能水路监管和碰撞风险评估提供了可靠的解决方案。这种方法不仅提高了船舶分割的准确性，还为智能海上监管系统的高效运行提供了可行的技术路径。