基于采样与图像变换的人工三元组连体网络训练
计算机视觉与模式识别
2021-09-28 v2 人工智能
摘要
本工作所用设备通过两个热成像相机探测水面上的物体，可在人眼无法辨别的场景（夜间、雾天等）中辅助用户探测并规避物体。为实现自主避障，需实时跟踪物体并为每个物体分配特定身份，以确定其动态（轨迹、速度等）从而做出碰撞预测。在后续工作中，采用了一种称为卷积神经网络（CNN）的机器学习（ML）计算机视觉（CV）方法，使用 TensorFlow 作为 Python 的高级编程环境。为验证算法，利用工作期间创建的标注工具生成了测试集以进行恰当评估。验证后，算法被部署到平台上，并使用测试船生成的序列进行了测试。
引用
@article{arxiv.2106.07015,
title = {Siamese Network Training Using Artificial Triplets By Sampling and Image Transformation},
author = {Ammar N. Abbas and David Moser},
journal= {arXiv preprint arXiv:2106.07015},
year = {2021}
}