面向自主巡检的虚拟水下数据集
计算机视觉与模式识别
2022-09-15 v2
摘要
受海上行业与科学界在水下作业方面快速发展的推动，水下航行器已变得更加精密。值得注意的是，许多水下任务（包括海底基础设施评估）都是在自主水下航行器（AUVs）的辅助下完成的。人工智能（AI）尤其是深度学习（DL）模型与应用近期取得了突破，已广泛应用于包括空中无人航行器、自动驾驶汽车导航等诸多领域。然而，由于针对特定应用获取水下数据集十分困难，它们在 underwater 应用中并不普及。就此而言，本研究利用 DL 领域的近期进展，构建了一个由实验室环境中拍摄的物体照片生成的定制数据集。利用生成对抗网络（GANs）将实验室物体数据集与包含水下环境的照片相结合，从而将实验室物体数据集转换至水下域。结果表明了创建此类数据集的可行性，因为与真实世界的水下船体图像相比，生成的图像与真实水下环境极为相似。因此，人工水下环境数据集可克服真实水下图像获取受限带来的困难，并可通过水下物体图像分类与检测来增强水下作业。
引用
@article{arxiv.2209.06013,
title = {Virtual Underwater Datasets for Autonomous Inspections},
author = {Ioannis Polymenis and Maryam Haroutunian and Rose Norman and David Trodden},
journal= {arXiv preprint arXiv:2209.06013},
year = {2022}
}
备注
20 pages, 10 figures