海上セキュリティの強化を目指す研究において、深層学習を用いた船舶検出システムの性能比較が行われました。この研究では、異なる気象条件下でリアルタイムに海面上の船舶を検出できるAIシステムの開発と評価に焦点が当てられています。 研究に用いられたデータセットは6,468枚の海上画像で構成されており、曇り、霧、雨、晴れといった様々な天候環境をカバーしています。このデータセットを使用して、6種類の深層学習アーキテクチャが比較検証されました。具体的には、基本的なCNN（Convolutional Neural Network）モデルに加えて、Xception、VGG16、MobileNetV2、EfficientNetV2Lの4つの転移学習モデル、そしてVision Transformer（ViT）モデルが評価対象となっています。 各モデルの性能評価には、正確度、タイプI・タイプIIエラー（偽陽性・偽陰性）、モデルサイズ、動画処理時間といった複数の指標が使用されました。評価結果から、モデルの性能は計算リソースの制約と導入環境に大きく依存することが明らかになっています。計算資源が限定されたデバイスにはMobileNetV2のような軽量アーキテクチャが適していますが、全体的な性能ではVision Transformerが優位性を示しており、100%の正確度を達成しながら最も低いエラー率と最速の動画処理時間を実現しました。 これらの知見は、AI駆動型コンピュータビジョンシステムが海上監視、国境警備、自律航行といった多角的な海洋安全保障用途において大きな可能性を持つことを示唆しています。