基于合成卫星图像的鲸鱼检测增强
计算机视觉与模式识别
2024-10-02 v2 机器人学
摘要
随着众多海洋种群数量的急剧下降，收集和分析海洋种群数据对于制定针对包括鲸鱼在内的多种海洋动物的有效保护政策变得愈发重要。现代计算机视觉算法能够在多种场景下检测图像中的鲸鱼，进一步加快并增强了监测过程。然而，这些算法严重依赖大规模训练数据集，而在海洋或水生环境中收集此类数据尤其困难且耗时。不过，人工智能的最新进展使得合成创建用于训练机器学习算法的数据集成为可能，从而实现了以往无法实现的新型解决方案。在本工作中，我们提出一种解决方案——SeaDroneSim2基准套件，它通过生成航空与卫星合成图像数据集来改进鲸鱼检测并减少训练数据收集所需的工作量。我们表明，在仅增补10%真实数据的情况下，相较于仅使用真实数据训练，鲸鱼检测性能可提升15%。我们开源了仿真平台SeaDroneSim2的代码以及通过其生成的数据集。
引用
@article{arxiv.2308.07766,
title = {Whale Detection Enhancement through Synthetic Satellite Images},
author = {Akshaj Gaur and Cheng Liu and Xiaomin Lin and Nare Karapetyan and Yiannis Aloimonos},
journal= {arXiv preprint arXiv:2308.07766},
year = {2024}
}