AUV 中用于在线识别海草床的深度学习语义分割
计算机视觉与模式识别
2019-02-05 v2 机器学习
摘要
近期研究已表明海神草(Posidonia oceanica, P.O.)草甸在全球尺度上显著衰退。对这些草甸的监测与制图是衡量其状况的基础工具。我们提出一种基于深度神经网络的方法,用于在海底图像中自动执行高精度的 P.O. 草甸语义分割,相较现有最优技术有多项改进。我们的网络在多个测试集上表现出色,达到 96.57% 的精确率和 96.81% 的准确率,超越了人工标注图像的可靠性。此外,该网络被部署于自主水下航行器(AUV)中,执行在线 P.O. 分割,将用于生成实时语义覆盖图。
引用
@article{arxiv.1807.03117,
title = {Deep Semantic Segmentation in an AUV for Online Posidonia Oceanica Meadows identification},
author = {Miguel Martin-Abadal and Eric Guerrero-Font and Francisco Bonin-Font and Yolanda Gonzalez-Cid},
journal= {arXiv preprint arXiv:1807.03117},
year = {2019}
}
备注
11 pages, 16 figures