Enfoque de Aprendizaje Profundo Basado en Hash para la Detección de Imágenes de Satélite de Sensores Remotos

La detección de barcos juega un papel crucial en la seguridad marítima en imágenes de sensores remotos. Este documento discute un enfoque de aprendizaje profundo para detectar los barcos a partir de imágenes satelitales. El modelo desarrollado en este trabajo logra integridad mediante la inclusión de hashing. Este modelo emplea una técnica de clasificación de imágenes supervisada para clasificar imágenes, seguido de la detección de objetos utilizando You Only Look Once versión 3 (YOLOv3) para extraer características de CNN profundas. La segmentación semántica y la segmentación de imágenes se realizan para identificar la categoría del objeto de cada píxel utilizando etiquetas de clase. Luego, se aplica el concepto de hashing utilizando SHA-256 en conjunto con el recuento de barcos y la ubicación de la caja delimitadora en la imagen satelital. El modelo propuesto se prueba en un conjunto de datos de barcos de Kaggle, que consta de 231,722 imágenes. Un total del 70% de estos datos se utiliza para entrenamiento, y el 30% se utiliza para pruebas. Para añadir seguridad a las imágenes con barcos detectados, el modelo se mejora mediante hashing utilizando el algoritmo SHA-256. Usando SHA-256, que es un hash unidireccional, los datos se dividen en bloques de 64 bytes. Los datos de entrada para la función hash son tanto el recuento de barcos como la ubicación de la caja delimitadora. El modelo propuesto logra integridad utilizando SHA-256. Este modelo permite la transmisión segura de imágenes altamente confidenciales que son a prueba de manipulaciones.