由Ismet Gocer等四位作者完成、于2026年5月28日提交至arXiv的论文《AI for Maritime Security: Comparative Evaluation of CNN and Vision Transformer Architectures for Maritime Object Detection》（编号arXiv:2606.14720v1，属计算机视觉与模式识别cs.CV分类，共24页），围绕海上安全场景下的智能目标检测展开系统性比较研究。研究团队设计并评估了能够在不同实时环境中识别海面船舶的智能检测系统，核心目标是借助先进的人工智能与计算机视觉技术提升海上监视能力。
为贴近真实部署条件，作者构建了一个包含6,468张海上图像的专用数据集，覆盖多云、雾天、雨天和晴天等多种天气状况，使模型需要在能见度、光照与海面纹理差异显著的环境下接受检验。这一数据设计使评估结果更具现实参考价值，而非仅停留在理想化实验条件中。
在模型层面，研究共比较了六种深度学习架构：一个基础卷积神经网络（CNN）模型、四个迁移学习模型（Xception、VGG16、MobileNetV2与EfficientNetV2L），以及一个视觉Transformer（ViT）模型。评估指标覆盖准确率、第一类错误（误报）与第二类错误（漏报）、模型体积以及视频处理时间，兼顾检测质量与部署可行性两个维度。
结果显示，模型表现随计算资源约束与部署条件而变化。轻量级架构更适合资源受限的设备，可在边缘或移动平台上运行；而ViT取得了整体最佳表现，达到100%准确率，同时错误率最低、视频处理时间最快。这一结论对于需要在实时视频流中持续监视海面的应用具有直接意义。
作者指出，此类AI驱动的计算机视觉系统在海上监视、边境防护和自主航行等领域具备应用潜力。论文同时强调，模型选择应结合具体部署环境的算力与实时性要求，而非单纯追求最高准确率。该工作为海上安全场景下的架构选型提供了可比较的实证依据，提交时间为2026年5月28日11:14:54 UTC，全文约1.5MB，可通过arXiv获取PDF版本。