基于深度学习的前视多波束声纳噪声图像中鱼类分割
计算机视觉与模式识别
2020-06-17 v1 机器人学
摘要
在本工作中，我们研究了一种深度学习（DL）方法，用于在前视多波束回声测深仪（MBES）生成的噪声低分辨率小数据集图像中进行鱼类分割。我们基于 DL 与卷积神经网络（CNNs）在语义分割方面的最新进展，展示了一种端到端方法，用于成像声纳投影的所有距离-方位位置上鱼/非鱼的概率预测。我们使用自丹麦海峡与法罗群岛收集的数据集来训练和测试我们的模型，并提出了即使在低体量数据集下也能获得令人满意性能与泛化能力的技术。我们表明我们的模型达到了预期性能，并学会了利用语义上下文的重要性，并据此将噪声与非目标从真实目标中分离。此外，我们提出了将模型部署于低成本嵌入式平台的技术，以获得适合边缘环境——其中计算与功耗受尺寸/成本限制——测试与原型开发的高性能。
引用
@article{arxiv.2006.09034,
title = {Deep Learning based Segmentation of Fish in Noisy Forward Looking MBES Images},
author = {Jesper Haahr Christensen and Lars Valdemar Mogensen and Ole Ravn},
journal= {arXiv preprint arXiv:2006.09034},
year = {2020}
}