技術要約：SAR画像における油膜セグメンテーションのための、教師なし画像再構成に基づく異常検知

問題提起

油膜の検出は、環境への被害と経済的損失を軽減するために極めて重要である。合成開口レーダー（SAR）画像は、全天候・昼夜を問わない監視能力により好ましい媒体であるが、現在の最先端の検出手法は、教師ありディープラーニングに大きく依存している。これらの教師ありアプローチには、ピクセルレベルのグラウンドトゥルース（正解ラベル）が必要であり、そのプロセスは多大な労力とコストを要し、専門知識を必要とする。さらに、既存の教師なし異常検知技術は、医療、産業用画像、またはハイパースペクトルデータ向けに開発されたものが多く、SAR画像に対しては苦戦する。SARにおける油膜は、拡散した低コントラストでテクスチャベースの異常として現れ、通常の海面の様子と酷似しているため、通常の背景の変化や「ルックアライク（類似物）」（例：生物学的スリック、低風速域）と区別することが困難である。加えて、SARデータに固有のコヒーレント後方散乱やスペックルノイズは、ハイパースペクトルデータの滑らかなスペクトル分布とは根本的に異なるため、既存の多くの異常検知アーキテクチャは効果を発揮できない。

手法

著者らは、SAR画像用に特別に設計された、新しい教師なし画像再構成型異常検知モデルであるRes6-Deep11を提案している。このモデルの核心的な前提は、「正常な」海洋画像（油膜を含まない画像）のみを用いてモデルを訓練することである。その結果、モデルは典型的な海面のパターンを再構成することを学習する一方で、異常領域（油膜）を正確に再構成できなくなり、それによってこれらの領域を再構成誤差を通じて特定することが可能になる。

アーキテクチャ

本モデルは、入力から出力へ単にコピーしてしまう「アイデンティティ写像（identity mapping）」（これにより異常に対する感度が低下する）を防ぐために、非対称な構造を持つ畳み込みオートエンコーダ（CAE）を採用している。

• エンコーダ: BEN-S1.0 SARデータセットで事前学習された修正済みResNetアーキテクチャ（6つの残差ブロック）に基づいている。標準的なResNetのグローバル平均プーリングおよび全結合層は、空間次元を保持するために削除されており、潜在空間は $8 \times 8$ となる。予備的な畳み込みブロックが、$256 \times 256$ の入力画像を事前学習済みエンコーダの要件に適合するようにダウンサンプリングを行う。
• デコーダ: 転置畳み込みとバイキュービック補間を用いて、潜在表現を元の $256 \times 256$ へとアップサンプリングする11個の畳み込みブロックで構成される。
• 正規化: SARシーン間のノイズレベルや海面の外観の変動性に対処するため、標準的なバッチ正規化ではなく、**バッチ再正規化（Batch Renormalization: BRN）**を採用している。

多段階特徴比較（Multistage Feature Comparison: MFC）

主要な革新点は、ピクセルの位置ずれに対処し、局在化を強化するために、損失関数と異常マップ計算の両方で用いられる**多段階特徴比較（MFC）**である。

1. MFC損失関数: 学習中、損失は入力画像と再構成画像のピクセル単位の差だけでなく、3つの異なるステージ（入力/再構成、中間エンコーダ/デコーダ層）における特徴量の差についても計算される。損失は、平均二乗誤差（MSE）とコサイン類似度を組み合わせたものである：
   $$L_n(i, j) = -\lambda \cos(F_E^n, F_D^n) + (1-\lambda) \text{MSE}(F_E^n, F_D^n)$$
   ここで、$F_E$ と $F_D$ はそれぞれエンコーダとデコーダからの特徴ベクトルである。
2. 異常スコアマップ: 推論時には、エンコーダとデコーダの多段階特徴マップ間のMSEを計算することで異常マップが生成される。これらのマップは入力解像度にリサイズされ、最終的な異常スコアマップを作成するために合算される。高いスコアは、モデルが入力の再構成に失敗した領域（すなわち、油膜）を示している。

前処理

パイプラインには、基本的な前処理（正規化）と、コントラスト制限適応ヒストグラム平坦化（CLAHE）および非局所平均（NLM）デノイジングを含むオプションの高度な前処理が含まれる。研究の結果、多段階特徴比較が微細なピクセルレベルの歪みを本質的に処理するため、モデルはこれらの変動に対して頑健であることが判明した。

主な貢献

1. Res6-Deep11モデル: 学習時にピクセルレベルのグラウンドトゥルースを必要とせずに、SAR画像における拡散した低コントラストかつテクスチャベースの異常を検出するために特別に設計された、初の教師なしディープラーニングモデルである。
2. 多段階特徴比較戦略: 特徴レベルの比較を損失関数と異常マップ生成の両方に統合した新しいアプローチ。これにより、ピクセルの位置ずれに対する感度を低減し、標準的なピクセル単位の再構成誤差手法と比較して、油膜の局在化の精度を向上させている。
3. 教師なし手法の実行可能性の証明: 本研究は、油膜検出において教師なし手法が教師あり手法に対して競争力のある性能を達成できることを示しており、データアノテーションのボトルネックを解決するものである。

実験結果

モデルは、CSIROデータアクセス・ポータルから派生したデータセット（7,700枚の正常な海洋画像と、テスト用の手動アノテーション済みグラウンドトゥルースを含む700枚の油膜画像）を用いて評価された。

• 性能指標: Res6-Deep11は、F1スコア 77.33%、IoU 63.04%、**適合率（Precision） 87.32%**を達成した。
• 比較: 本モデルは、すべての指標において、最先端の教師なし異常検知ベースライン（f-AnoGAN、SALAD、RD4AD）を上回った。特筆すべきは、f-AnoGANの10.15%に対し、大幅に低い**1.04%**という偽陽性率（FPR）を達成したことであり、これはより慎重で信頼性の高い予測挙動を示している。
• アブレーション研究: MFCを損失関数と異常マップ計算の両方に使用することが、標準的なMSE損失や変分オートエンコーダ（VAE）損失を使用する場合よりも優れた結果をもたらすことが実験により確認された。異常マップの計算からMFCを除去すると性能が著しく低下し、精密な局在化におけるその重要性が浮き彫りになった。
• 頑健性: モデルは、前処理（デノイズ/コントラスト強調）されたデータでテストされた際も、性能の低下が最小限であったことから、入力の変動に対する耐性が確認された。

重要性と限界

本論文は、アノテーションされたデータが不足しているシナリオにおいて、Res6-Deep11が環境モニタリングのための実行可能なソリューションを提供すると主張している。ピクセルレベルのラベル付けの必要性を排除することで、本手法は高価な専門知識への依存を減らし、ラベルのない大量のSARデータの活用を可能にする。高い適合率と低い偽陽性率は、油膜検出における誤報が、コストのかかる不必要な浄化作業を招く可能性があるため、極めて価値が高い。

しかし、著者らは複雑なシナリオにおける汎用性に関する限界についても謙虚に認めている。現在の学習データには、「ルックアライク」、船舶、陸地などの例が限られている。船舶のような高反射物体を含むサブセットの画像でテストした際、モデルの性能は低下した（F1スコアは49.65%、IoUは33.03%に低下）。著者らは、本手法が比較的クリーンな海洋シーンにおける油膜検出には有効であるが、現実的で混雑した環境における頑健性を確保するためには、将来的な研究においてSAR画像の多様な物体への対応が必要であると結論付けている。本研究は、ルックアライクの問題を完全に解決したと主張するものではなく、より多様なデータによってさらに洗練させることができる、教師なし検出のための強力なベースラインを確立したものである。