AIS-CycleGen: CycleGAN-basierte Lösung für hochwertige AIS-Daten

Automatische Identifikationssysteme (AIS) liefern entscheidende Informationen für die maritime Situationsbewusstsein, doch häufig leiden die Daten unter Domain‑Shift, Knappheit und Klassenungleichgewicht. Diese Probleme erschweren die Entwicklung leistungsfähiger Vorhersagemodelle.

In der aktuellen Studie wird AISCycleGen vorgestellt – ein robustes Augmentationsverfahren, das auf CycleGAN basiert und speziell für AIS‑Datensätze konzipiert ist. Im Gegensatz zu herkömmlichen Ansätzen nutzt es unpaarige Domänenübersetzung, um hochqualitative synthetische AIS‑Sequenzen zu erzeugen, ohne dass gepaarte Trainingsdaten erforderlich sind.

Der Generator setzt 1‑D‑Convolutionen ein und integriert adaptive Rauschinjektion, um die räumlich‑zeitliche Struktur von Schiffstrajektorien zu bewahren. Dadurch wird die Vielfalt und Realitätsnähe der generierten Daten deutlich erhöht.

Durch die Anwendung von AISCycleGen auf mehrere Basis‑Regressionsmodelle konnten die Autoren die Modellleistung in verschiedenen maritimen Anwendungsfällen signifikant steigern. Die Ergebnisse zeigen, dass AISCycleGen gegenüber aktuellen GAN‑basierten Augmentationsmethoden besser abschneidet, mit einem PSNR von 30,5 und einem FID‑Score von 38,9.

Diese Befunde unterstreichen das Potenzial von AISCycleGen als effektive und generalisierbare Lösung zur Erweiterung von AIS‑Datensätzen und zur Verbesserung der Leistungsfähigkeit von Modellen in realen maritimen Intelligenzanwendungen.