基于深度学习的陨石坑检测系统：综述
计算机视觉与模式识别
2023-10-13 v1 图像与视频处理
摘要
陨石坑是行星表面最显著的特征之一，应用于年龄估算、 hazard 检测与航天器导航等方面。由于陨石坑具有大小形状多变、数据分辨率不同以及行星数据类型多样等复杂特性，陨石坑检测是一个具有挑战性的问题。与其他计算机视觉任务类似，近年来基于深度学习的方法对陨石坑检测研究产生了显著影响。本综述旨在通过考察基于深度学习的陨石坑检测算法（CDA）的发展来协助该领域研究者。综述涵盖超过 140 篇研究工作，涉及多样的陨石坑检测方法，包括行星数据、陨石坑数据库与评估指标。具体而言，我们讨论了由陨石坑复杂属性带来的检测挑战，并将基于深度学习的 CDA 按三类进行调研：（a）基于语义分割的，（b）基于目标检测的，以及（c）基于分类的。此外，我们在同一数据集上对所有基于语义分割的 CDA 进行了训练与测试，以评估各架构在陨石坑检测中的有效性及其潜在应用。最后，我们对未来可能的研究方向给出了建议。
引用
@article{arxiv.2310.07727,
title = {Deep Learning based Systems for Crater Detection: A Review},
author = {Atal Tewari and K Prateek and Amrita Singh and Nitin Khanna},
journal= {arXiv preprint arXiv:2310.07727},
year = {2023}
}