用于航拍图像中炸弹弹坑检测的深层域适应
计算机视觉与模式识别
2022-09-26 v1
摘要
空袭的遗留痕迹在灾难性事件发生数十年后仍清晰可见。未爆弹药(UXO)对人类的生命与环境是巨大威胁。通过战时图像评估，专家可推断哑弹的发生。当前的手动分析过程昂贵且耗时，因此利用深度学习自动检测炸弹弹坑是改进UXO处置过程的一种有前景的途径。然而，这些方法需要大量人工标注的训练数据。本工作借助月球表面图像进行域适应，以解决在有限训练数据约束下基于深度学习的炸弹弹坑自动检测问题。本文对学术界与实践均作出贡献：(1) 提供有限训练数据下炸弹弹坑自动检测的解决方案；(2) 展示使用合成图像进行域适应的可用性及相关挑战。
引用
@article{arxiv.2209.11299,
title = {Deep Domain Adaptation for Detecting Bomb Craters in Aerial Images},
author = {Marco Geiger and Dominik Martin and Niklas Kühl},
journal= {arXiv preprint arXiv:2209.11299},
year = {2022}
}
备注
56th Annual Hawaii International Conference on System Sciences (HICSS-56)