AI for Maritime Security: Comparative Evaluation of Convolutional Neural Network and Vision Transformer Architectures for Maritime Object Detection

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

Probleemstelling
Maritieme beveiliging wordt geconfronteerd met escalerende dreigingen, waaronder illegale handel, ongecontroleerde visserij en clandestiene scheepvaartoperaties, wat robuuste surveillancecapaciteiten noodzakelijk maakt. Hoewel traditionele methoden vertrouwen op radar, menselijke patrouilles en satellietoverzichten, hebben zij vaak moeite met de realtime verwerking van multimodale data en het detecteren van kleine of afwijkende doelwitten onder uitdagende zeecondities. Hoewel deep learning-gebaseerde Computer Vision (CV) een weg biedt naar de automatisering van detectie en classificatie, blijven er aanzienlijke uitdagingen bestaan met betrekking tot dataschaarste, domeinadaptatie en de implementatie van complexe modellen op platforms met beperkte middelen. Deze studie adresseert de noodzaak om de effectiviteit en de vergelijking van diverse deep learning-architecturen — specifiek Convolutional Neural Networks (CNN's) en Vision Transformers (ViT) — te evalueren voor maritieme objectdetectie onder diverse omgevingscondities.

Methodologie
Het onderzoek maakte gebruik van een maritieme beelddataset bestaande uit 6.468 afbeeldingen gelabeld voor "Object" (schip) en "Achtergrond", vastgelegd onder variërende weersomstandigheden (bewolkt, mistig, regenachtig, zonnig). De dataset werd gepartitioneerd in 70% training, 15% validatie en 15% testen, waarbij data-augmentatie uitsluitend op de trainingsset werd toegepast.

Zes verschillende deep learning-architecturen werden geëvalueerd:

1. Base CNN: Een handmatig ontworpen architectuur met zes convolutionele blokken, Batch Normalization, Dropout en een volledig verbonden laag (fully connected layer), dienend als een gecontroleerde baseline.
2. Transfer Learning Modellen: Vier vooraf getrainde architecturen (Xception, VGG16, MobileNetV2 en EfficientNetV2L) werden gefinetuned. Een cruciaal methodologisch onderdeel was het strikt naleven van modelspecifieke preprocessingsprotocollen (bijv. kanaalsgewijze gemiddeldeaftrekking voor VGG16, specifieke normalisatie voor Xception en MobileNetV2, en interne preprocessing voor EfficientNetV2L) om consistentie met hun oorspronkelijke ImageNet-trainingsdistributies te behouden.
3. Vision Transformer (ViT): Een ViT-Base (Patch16, 224×224) model, vooraf getraind op ImageNet, werd gefinetuned. Dit model behandelt beeldpatches als sequenties en maakt gebruik van self-attention mechanismen om globale contextuele afhankelijkheden te vangen, in plaats van enkel te vertrouwen op lokale convolutionele operaties.

Alle modellen werden getraind voor maximaal 500 epochs met early stopping. De prestaties werden beoordeeld aan de hand van trainings-/testnauwkeurigheid, Type I- en Type II-fouten, modelgrootte en videoverwerkingssnelheid op een 37-seconden durende testclip.

Belangrijkste Bijdragen
Het artikel beschrijft vier primaire bijdragen:

• Systematische Vergelijking: Een uitgebreide evaluatie van zes architecturen (één base CNN, vier transfer learning modellen en één ViT) over meerdere prestatiemetrieken, waarbij verder wordt gekeken dan eenvoudige nauwkeurigheid door ook fouttypen en computationele kosten te includeren.
• Methodologisch Kader voor Preprocessing: Een gedetailleerde uiteenzetting van de specifieke preprocessing-pipelines die vereist zijn voor verschillende transfer learning-modellen. De auteurs benadrukken dat inconsistente preprocessing een veelvoorkomende bron van fouten is in vergelijkende studies en bieden een gestructureerde aanpak om reproduceerbaarheid te waarborgen.
• Scenario-gebaseerde Evaluatie: Een analyse van de modelprestaties vanuit een praktisch implementatieperspectief, waarbij modelgrootte, computationele vereisten en verwerkingssnelheid gezamenlijk worden overwogen om de geschiktheid voor edge-devices versus hoogwaardige monitoringsystemen te bepalen.
• Praktische Richtlijnen: Op bewijs gebaseerde aanbevelingen voor modelselectie in maritieme monitoring, waarbij onderscheid wordt gemaakt tussen scenario's die lichte efficiëntie vereisen en scenario's die maximale detectiebetrouwbaarheid vereisen.

Resultaten
De experimentele resultaten gaven aan dat de modelprestaties sterk afhankelijk zijn van de computationele beperkingen en de implementatiecondities:

• Nauwkeurigheid: De Vision Transformer (ViT) behaalde de hoogste prestaties en bereikte 100% nauwkeurigheid op zowel de trainings- als de testsets. Het registreerde de laagste foutenpercentages (1 Type I-fout en 3 Type II-fouten).
• Efficiëntie: In tegen tegenstelling tot de aanname dat grotere modellen trager zijn, vertoonde het ViT-model de snelste videoverwerkingstijd (30,97 seconden voor de 37-seconden clip), waarmee het zelfs lichtgewicht modellen zoals MobileNetV2 (34,08 seconden) versloeg en aanzienlijk sneller was dan EfficientNetV2L (183,23 seconden).
• Modelgrootte: Het ViT-model (335,2 MB) was groter dan de meeste CNN's maar kleiner dan EfficientNetV2L (462,5 MB). MobileNetV2 bleef het meest compact (10 MB), geschikt voor omgevingen met beperkte middelen.
• Convergentie: Het ViT-model vertoonde een stabiele convergentie met een nagenoeg nulverlies en een Area Under the Curve (AUC) van 1, wat wijst op een perfect classificatievermogen op de testdata.

Betekenis en Claims
De auteurs claimen dat hoewel lichtgewicht architecturen (bijv. MobileNetV2) te verkiezen zijn voor edge-devices met beperkte computationele middelen, de Vision Transformer een superieure algehele prestatie levert voor maritieme surveillance wanneer de computationele capaciteit dit toelaat. De studie stelt dat het vermogen van de ViT om globale contextuele relaties te vangen via self-attention mechanismen een significant voordeel biedt bij het onderscheiden van schepen van complexe zeeachtergronden vergeleken met traditionele CNN's.

Het artikel concludeert dat er geen enkele architectuur universeel optimaal is; de keuze hangt af van de specifieke operationele context. Echter, voor systemen die prioriteit geven aan detectienauwkeurigheid en betrouwbaarheid, zoals gecentraliseerde grensbescherming of autonome navigatie, vertegenwoordigen transformer-gebaseerde architecturen zoals ViT de state-of-the-art oplossing. Het onderzoek onderstreept het belang van rigoureuze preprocessing in transfer learning en biedt een gevalideerd kader voor de implementatie van AI-gestuurde computer vision-systemen in real-world maritieme beveiligingsapplicaties.