基于神经边缘直方图描述子的 underwater 声学目标识别

众多海洋应用依赖于利用被动声纳识别声学目标的能力。尽管越来越多地依赖预训练模型进行分类任务，但这些模型往往需要大量计算资源，且在数据集变化导致迁移到新领域时可能性能不佳。为此，本文将原本用于图像分类的神经边缘直方图描述子（NEHD）方法应用于声纳信号分类。我们对统计纹理特征和结构纹理特征进行了全面评估，证明其组合能够与大型预训练模型保持竞争性能。该提出的 NEHD 方法提供了一种轻量且高效的海底目标识别解决方案，显著降低了计算成本，同时保持准确率。