基于马尔可夫条件生成对抗网络的全尺度连续合成声纳数据生成
机器学习
2020-04-23 v2 图像与视频处理
机器学习
摘要
自主水下航行器的部署与操作昂贵且耗时。高质量逼真的声纳数据仿真可惠及多种应用，包括训练人员进行任务后分析，以及调优和验证水下航行器的自主目标识别（ATR）系统。生成逼真的合成声纳图像是一项具有挑战性的问题，因为模型必须考虑真实声学传感器、航行器高度以及各种环境因素的特定伪影。我们提出了一种生成全长任务逼真声纳侧扫图像的新方法，称为马尔可夫条件 pix2pix（MC-pix2pix）。定量评估结果表明，所生成数据的质量几乎与真实数据无法区分。此外，我们表明使用 MC-pix2pix 数据引导训练 ATR 系统可提升性能。合成数据的生成速度比真实采集速度快 18 倍，且用户对生成数据的地形具有完全控制。
引用
@article{arxiv.1910.06750,
title = {Full-Scale Continuous Synthetic Sonar Data Generation with Markov Conditional Generative Adversarial Networks},
author = {Marija Jegorova and Antti Ilari Karjalainen and Jose Vazquez and Timothy Hospedales},
journal= {arXiv preprint arXiv:1910.06750},
year = {2020}
}
备注
6 pages, 6 figures. Accepted to ICRA2020. 2020 IEEE International Conference on Robotics and Automation