ShipSense

利用經過微調的 Stable Diffusion，提供任何物體的新穎少量合成影像資料擴充方法。ShipSense 使用自訂的 Stable Diffusion 來建立船隻的逼真合成影像資料，並訓練一個卷積神經網路 (CNN) 來偵測和定位衛星影像中的船隻。他們還建立了一個資料視覺化平台，供利害關係人監控過度捕撈。為了增強這個平台的功能，他們透過深入挖掘超過 55,000 筆 AIS 雷達記錄，找出幾個可疑黑暗船隻活動的熱點區域。

儘管人們先前已嘗試建構 AI 模型來偵測過度捕撈，但由於嚴重的類別不平衡，因此準確度很差。與沒有船隻的無盡水域負面範例相比，水中的船隻正面範例很少。研究人員已使用 GAN 來為其他目的產生合成資料。然而，要訓練一個像樣的 GAN 大約需要 50,000 張範本圖像。最大的衛星船隻資料集只有大約 2,000 個範本。

他們意識到 Stable Diffusion (SD) 這個流行的文字轉圖像 AI 模型，可以根據相對少量的輸入，重新用於產生無限的合成船隻影像資料。他們僅使用 68 張原始圖像，就得以實現高度逼真的合成圖像。