浅层下潜中的深度学习：用于水下目标检测的声纳图像生成与训练
机器人学
2018-10-19 v1
摘要
在水下感知传感器中，成像声纳因其水下感知的鲁棒性而备受关注。然而，成像声纳的主要挑战在于尽管分辨率有限且噪声水平高，仍难以定义视觉特征。深度学习的最新进展为使用光学图像的计算机视觉研究提供了强有力的解决方案。遗憾的是，基于深度学习的方法在成像声纳上尚未成熟，主要归因于训练阶段数据匮乏。与大量公开可用的地面图像不同，获取水下图像通常成本高昂，且为训练获取足够的水下图像并非易事。为解决此问题，本文在训练图像准备阶段引入一种新颖的端到端图像合成方法，以弥补该领域数据不足。所提方法针对水下模拟器捕获的图像给出图像合成方案。我们的合成图像基于声纳成像模型与噪声特性，以表征从海中获取的真实数据。我们通过使用模拟器训练、并以水箱和海中获取的真实水下声纳图像测试合成图像，验证了所提方案。
引用
@article{arxiv.1810.07990,
title = {Deep Learning from Shallow Dives: Sonar Image Generation and Training for Underwater Object Detection},
author = {Sejin Lee and Byungjae Park and Ayoung Kim},
journal= {arXiv preprint arXiv:1810.07990},
year = {2018}
}