基于相似度的数据挖掘用于声纳自动目标识别系统的在线域适应
计算机视觉与模式识别
2020-09-17 v1 机器学习
声音
音频与语音处理
摘要
由于现场数据收集成本高昂，训练数据的缺乏常常限制了自动目标识别(ATR)系统的性能。该问题通常通过域适应技术来解决，然而现有方法无法满足资源和时间受限的水下系统的约束。我们提出通过使用一种新颖的数据选择方法对ATR算法进行在线微调来解决此问题。我们提出的数据挖掘方法依赖于视觉相似度，并且优于传统采用的困难样本挖掘方法。我们在广泛的模拟环境中给出了对比性能分析，并强调了使用我们的方法快速适应先前未见环境的好处。
引用
@article{arxiv.2009.07560,
title = {Similarity-based data mining for online domain adaptation of a sonar ATR system},
author = {Jean de Bodinat and Thomas Guerneve and Jose Vazquez and Marija Jegorova},
journal= {arXiv preprint arXiv:2009.07560},
year = {2020}
}
备注
Accepted for publication in IEEE OCEANS2020