S3Simulator：用于 underwater 图像分析的基准侧扫声纳模拟器数据集
计算机视觉与模式识别
2024-08-26 v1
摘要
声学声呐成像系统广泛用于民用和军事领域的 underwater 监视。然而，获取用于训练人工智能（AI）模型的高质量声呐数据集面临数据稀缺、财政限制和数据保密等挑战。为克服这些挑战，我们提出了一种新型模拟侧扫声纳图像基准数据集，称为“S3Simulator数据集”。我们利用先进的模拟技术准确复制 underwater 环境，生成多样化的合成声呐成像。具体而言，借助 cutting-edge AI 分割工具——Segment Anything Model（SAM），对真实场景中的目标图像（如舰船和飞机）进行最佳隔离和分割。进一步地，采用先进的计算机辅助设计工具即 SelfCAD 和模拟软件如 Gazebo 来创建 3D 模型并在真实环境中进行最佳可视化。此外，应用多种计算成像技术以提高数据质量，使 AI 模型能够进行声呐图像分析。对 S3Simulator 以及真实声呐数据集进行广泛分析，以验证 AI 模型在 underwater 目标分类中的性能。我们的实验结果表明，S3Simulator 数据集将成为 underwater 图像分析研究的有前景的基准数据集。https://github.com/bashakamal/S3Simulator
引用
@article{arxiv.2408.12833,
title = {S3Simulator: A benchmarking Side Scan Sonar Simulator dataset for Underwater Image Analysis},
author = {Kamal Basha S and Athira Nambiar},
journal= {arXiv preprint arXiv:2408.12833},
year = {2024}
}