AI for Maritime Security: Comparative Evaluation of CNN and Vision Transformer Architectures for Maritime Object Detection

Technische Samenvatting: AI voor Maritieme Beveiliging – Vergelijkende Evaluatie van CNN- en Vision Transformer-architecturen

Probleemstelling
Maritieme beveiliging wordt geconfronteerd met escalerende dreigingen, waaronder illegale handel, ongecontroleerde visserij en clandestiene scheepvaartoperaties. Hoewel traditionele surveillance vertrouwt op radar, menselijke patrouilles en satellietoverzichten, hebben deze methoden vaak moeite met real-time verwerking, de detectie van kleine doelwitten en wisselende omgevingsomstandigheden. Hoewel deep learning-gebaseerde Computer Vision (CV) een weg biedt naar het automatiseren van detectie en tracking, blijven er uitdagingen bestaan met betrekking tot dataschaarste, domeinadaptatie en de implementatie van complexe modellen op platforms met beperkte middelen. Deze studie adresseert de noodzaak om verschillende deep learning-architecturen te evalueren en te vergelijken om hun geschiktheid voor real-world maritieme objectdetectie onder diverse weersomstandigheden te bepalen.

Methodologie
Het onderzoek maakte gebruik van een aangepaste maritieme beeldset bestaande uit 6.468 afbeeldingen gelabeld voor "Object" (schip) en "Achtergrond", die bewolkte, mistige, regenachtige en zonnige omgevingen beslaat. De dataset werd gesplitst in 70% training, 15% validatie en 15% test, waarbij data-augmentatie uitsluitend op de trainingsset werd toegepast.

Zes deep learning-architecturen werden geëvalueerd:

1. Base CNN: Een handmatig ontworpen Convolutioneel Neuraal Netwerk met zes convolutionele blokken, batch normalisatie, dropout en een sigmoid output voor binaire classificatie.
2. Transfer Learning Modellen: Vier vooraf getrainde architecturen (Xception, VGG16, MobileNetV2 en EfficientNetV2L) geïnitialiseerd met ImageNet-gewichten. De studie legde de nadruk op strikte naleving van model-specifieke preprocessingsprotocollen (bijv. specifieke normalisatiebereiken en kanaalvolgorde) om compatibiliteit met de oorspronkelijke trainingsdistributies te waarborgen.
3. Vision Transformer (ViT): Een ViT-Base (Patch16, 224×224) model dat is gefinetuned op de maritieme dataset, waarbij gebruik wordt gemaakt van self-attention mechanismen om globale contextuele afhankelijkheden vast te leggen.

Prestaties werden beoordeeld aan de hand van training/test nauwkeurigheid, Type I (vals positief) en Type II (vals negatief) fouten, modelgrootte (MB) en computationele verwerkingstijd op een videosequentie van 37 seconden.

Belangrijkste Bijdragen
Het artikel beschrijft vier primaire bijdragen:

1. Systematische Architecturale Vergelijking: Een uitgebreide evaluatie van zes verschillende modellen (base CNN, vier transfer learning varianten en ViT) met behulp van een multi-metriek framework dat niet alleen nauwkeurigheid, maar ook fouttypen en computationele efficiëntie omvat.
2. Methodologisch Framework voor Preprocessing: Een gedetailleerde, reproduceerbare gids voor het toepassen van model-specifieke preprocessing pipelines in transfer learning, wat een veelvoorkomende lacune in de literatuur adresseert waar preprocessing vaak onvoldoende beschreven of inconsistent toegepast wordt.
3. Scenario-gebaseerde Evaluatie: Een analyse van modelprestaties vanuit een praktisch implementatieperspectief, waarbij modelgrootte, verwerkingssnelheid en foutenmarges gezamenlijk worden overwogen om geschiktheid voor edge-devices versus high-capacity systemen te bepalen.
4. Praktische Richtlijnen: Op bewijs gebaseerde aanbevelingen voor modelselectie in maritieme monitoring, waarbij onderscheid wordt gemaakt tussen lichtgewicht behoeften voor omgevingen met beperkte middelen en hoge-nauwkeurigheidsbehoeften voor gecentraliseerde surveillance.

Resultaten
De experimentele resultaten duidden op significante prestatievariaties op basis van architecturaal ontwerp en computationele beperkingen:

• Vision Transformer (ViT): Bereikte de hoogste algehele prestaties met 100% nauwkeurigheid op zowel de trainings- als de testsets. Het registreerde de laagste foutenpercentages (1 Type I, 3 Type II fouten) en de snelste video-verwerkingstijd (30,97 seconden voor een clip van 37 seconden).
• Transfer Learning Modellen:
  • Xception en VGG16 vertoonden sterke prestaties (99–100% nauwkeurigheid) met gematigde verwerkingstijden (~32 seconden).
  • MobileNetV2 bood de kleinste modelgrootte (10 MB) en een redelijke snelheid (34,08 seconden), maar vertoonde iets hogere foutenpercentages vergeleken met ViT.
  • EfficientNetV2L, ondanks het grootste aantal parameters (117M) en modelgrootte (462,5 MB), resulteerde in de langzaamste verwerkingstijd (183,23 seconden).
• Base CNN: Presteerde goed (99% nauwkeurigheid) met een gematigde modelgrootte (23,2 MB) maar was trager dan de ViT en Xception-modellen.

Betekenis en Claims
Het artikel claimt dat hoewel geen enkele architectuur universeel optimaal is, de Vision Transformer (ViT) superieure betrouwbaarheid en snelheid biedt voor maritieme objectdetectie wanneer de computationele middelen voldoende zijn. De studie benadrukt dat transformer-gebaseerde architecturen effectief globale contextuele relaties vastleggen, wat een voordeel biedt in complexe maritieme scènes met variërende schalen en lichtinval.

Conformerend merkt de auteur op dat lightweight architecturen zoals MobileNetV2 waardevol blijven voor edge-gebaseerde systemen met beperkte hardwarecapaciteit, ondanks potentieel hogere foutenpercentages. Het onderzoek onderstreept dat modelselectie geleid moet worden door een afweging tussen detectienauwkeurigheid, computationele efficiëntie en operationele beperkingen. Door een gestructureerd preprocessing framework en een multi-metriek evaluatie te bieden, streeft de studie ernaar de reproduceerbaarheid en praktische implementatie van AI-gestuurde maritieme surveillance-systemen te verbeteren.