基于Vision Transformer的精准陨石坑检测模型
计算机视觉与模式识别
2026-01-13 v1
摘要
欧洲空间航天局(ESA)鉴于其计划于阿尔戈纳特登陆器上进行的月球任务雄心，可靠的陨石坑检测具有着迫人的兴趣，因为陨石坑会对安全月球登陆构成风险。这一任务通常通过基于深度学习技术的自动化陨石坑检测算法(CDA)来实现。由于陨石坑大小和形状各异，以及诸如照明变化和崎岖地形等具备挑战性的条件，这一任务并非易事。因此，我们提出一种基于OWLv2模型的深度学习CDA，该模型基于Vision Transformer构建，已在各种计算机视觉任务中证明效果极佳。对于微调，我们利用来自IMPACT项目的手动标记数据集，该数据集提供了在高分辨率月球重建轨道相机校准数据记录图像上提供陨石标注的标注。我们采用低秩适应(LoRA)的参数高效微调策略插入可训练参数，并优化由用于局部定位的完全交并比(CIoU)和用于分类的对比损失函数组合的损失函数。我们取得了令人满意的视觉效果，并在IMPACT的测试数据集上实现了最高94.0%的召回率和73.1%的最高精度。我们的方法在各种具备挑战性的月球成像条件下实现了可靠的陨石坑检测，为未来月球探索中稳健的陨石分析铺平了道路。
引用
@article{arxiv.2601.07795,
title = {Vision-Language Model for Accurate Crater Detection},
author = {Patrick Bauer and Marius Schwinning and Florian Renk and Andreas Weinmann and Hichem Snoussi},
journal= {arXiv preprint arXiv:2601.07795},
year = {2026}
}