2026年5月28日にarXivに投稿された論文で、研究者らは海事物体検出のための複数の深層学習アーキテクチャを比較評価し、AIとコンピュータビジョン技術を用いて海上セキュリティを強化することを目指した。この研究はIsmet Gocerら4名の著者によって行われ、全24ページで、コンピュータビジョンとパターン認識の分野に属する。
研究チームは、曇り、霧、雨、晴れといった様々な実際の気象条件をカバーする6,468枚の海事画像を含むデータセットを構築した。このデータセットに基づき、彼らは6つの深層学習モデルを評価した。すなわち、ベースの畳み込みニューラルネットワーク（CNN）モデル、4つの転移学習モデル（Xception、VGG16、MobileNetV2、EfficientNetV2L）、そしてVision Transformer（ViT）モデルである。
モデル性能を総合的に比較するため、研究者らは精度、第一種エラーと第二種エラー、モデルサイズ、動画処理時間など複数の指標を採用した。これらの指標は、分類精度だけでなく、実際の展開における計算制約とリアルタイム性の要件も反映している。
実験結果は、モデル性能が計算制約や展開条件によって異なることを示した。MobileNetV2のような軽量アーキテクチャはリソースが限られたデバイスにより適している一方、ViTモデルは総合性能で最高となり、100%の精度を達成し、エラー率が最も低く、動画処理時間も最速であった。この発見は、高精度とリアルタイム処理が求められる海事監視シナリオにおいてViTが顕著な優位性を持つことを示唆している。
本研究は、AI駆動のコンピュータビジョンシステムが海事監視、国境警備、自律航行において持つ可能性を強調している。ViTが実験で優れた性能を示したものの、著者らは実際の展開において計算リソースと性能要件のバランスを取る必要があると指摘している。今後の研究では、モデルの最適化やクロスドメイン適応性の探求を通じて、これらの技術の実際の海事セキュリティシステムへの実装が進むことが期待される。