基于自编码器在多极化 GPR 体数据上的地雷检测
机器学习
2018-10-03 v1 机器学习
摘要
埋藏地雷和未爆战争遗留物对近年来遭受战争打击的许多国家民众构成持续威胁。由此现象导致的大量人员丧生，强烈激励了研究界开发用于地雷清除的安全且鲁棒的技术。然而，由于该问题的多种不同边界条件（例如，待检测物体种类多样、土壤与气象条件各异等），以自动化方式高精度地检测并定位埋藏地雷仍被视为一项具有挑战性的任务。本文提出一种专为未爆地雷发现而设计的埋藏物体检测新技术。该方案利用一种称为自编码器（autoencoder）的特定卷积神经网络（CNN），分析利用不同极化方式获取的探地雷达（GPR）体数据。该方法在异常检测框架下工作，事实上我们仅在无地雷区域获取的 GPR 数据上训练自编码器。系统随后将地雷识别为与训练阶段所用土壤不相似的对象。在真实数据上的实验表明，所提技术在具有挑战性的数据集上无需专门的预处理数据，仅需少量训练即可达到高于 93% 的准确率。
引用
@article{arxiv.1810.01316,
title = {Landmine Detection Using Autoencoders on Multi-polarization GPR Volumetric Data},
author = {Paolo Bestagini and Federico Lombardi and Maurizio Lualdi and Francesco Picetti and Stefano Tubaro},
journal= {arXiv preprint arXiv:1810.01316},
year = {2018}
}
备注
https://github.com/polimi-ispl/landmine_detection_autoencoder