人在回路的SAR图像舰船检测
图像与视频处理
2024-01-17 v1
摘要
合成孔径雷达（SAR）因其全天候、全天时的监测能力，在海洋领域得到了广泛应用，尤其在舰船检测方面显示出重要价值。近年来，深度学习方法越来越多地用于精细化的舰船检测。然而，基于学习的方法在面对新场景和数据时泛化能力较差，需要专家干预进行持续标注。目前，该领域人机协作的自动化程度，特别是在标注新数据方面，并不高，导致模型迭代和更新耗费大量人力和计算资源。针对这些问题，提出了一种人在回路（HitL）的SAR图像舰船检测框架。结合HitL概念，为SAR舰船检测任务设计了定制的主动学习策略，以向用户呈现有价值的样本，并建立了交互式人机界面（HMI）以高效收集用户反馈。因此，在每次交互轮次中利用用户输入来提升模型性能。利用所提出的框架，构建了一个SAR图像标注舰船数据库，并在构建过程中进行的迭代实验证明了该方法的有效性，为该领域的研究提供了新的视角和方法。
引用
@article{arxiv.2401.08213,
title = {Ship Detection in SAR Images with Human-in-the-Loop},
author = {Hecheng Jia and Feng Xu},
journal= {arXiv preprint arXiv:2401.08213},
year = {2024}
}