介绍 VaDA：用于航海物体分割的新型图像分割模型
计算机视觉与模式识别
2024-07-15 v1 人工智能
图像与视频处理
摘要
航运行业正快速演进，受计算机视觉人工智能（AI）技术的推动。因此，针对航运交通的人工智能基于目标识别模型的研究日益增长，利用传感器技术和计算性能的进步。然而，航海环境中的目标识别面临光反射、干扰、强光照和各种天气条件等挑战。为解决这些问题，针对航海图像的高性能深度学习算法和专为航海场景设计的高质量数据集至关重要。现有AI识别模型和数据集在构建自动导航系统方面具有有限的适用性。因此，本文提出了用于航海物体分割的垂直和细节注意（VaDA）模型，以及一种新型模型评估方法——集成计算性能图（Integrated Figure of Calculation Performance, IFCP），以验证其在实际场景中的实时适用性。此外，我们引入了基准航海数据集OASIs（Ocean AI Segmentation Initiatives），以标准化不同航海环境中模型性能的评估。OASIs数据集及其细节可在我们的网站上获取：https://www.navlue.com/dataset
引用
@article{arxiv.2407.09005,
title = {Introducing VaDA: Novel Image Segmentation Model for Maritime Object Segmentation Using New Dataset},
author = {Yongjin Kim and Jinbum Park and Sanha Kang and Hanguen Kim},
journal= {arXiv preprint arXiv:2407.09005},
year = {2024}
}
备注
11 pages, 9 figures, whitepaper