我的即你的：用于有限训练声纳ATR的预训练CNN
计算机视觉与模式识别
2017-06-30 v1
摘要
在声纳图像中发现水雷是一个重要问题，对航海军事和商业活动具有高度相关性。遗憾的是，缺乏庞大的声纳图像数据集阻碍了自动目标识别(ATR)算法取得其他计算机视觉领域所见的同样进展。具体而言，卷积神经网络(CNN)的蓬勃发展能够实现令人难以置信的结果——甚至超越人类表现——对于许多声纳ATR从业者而言并非易行的路径。我们展示了将CNN纳入声纳ATR的一条途径的力量：迁移学习。我们首先展示了一个直接的、灵活的CNN特征提取策略如何被用于获得令人印象深刻即便不是最先进的成果。其次，我们提出了一种利用强大的迁移学习方法在提供的合成孔径声纳数据集中实现多示例目标检测与识别的方式。
引用
@article{arxiv.1706.09858,
title = {What's Mine is Yours: Pretrained CNNs for Limited Training Sonar ATR},
author = {John McKay and Isaac Gerg and Vishal Monga and Raghu Raj},
journal= {arXiv preprint arXiv:1706.09858},
year = {2017}
}
备注
Accepted to OCEANS 2017 - Anchorage (Conference)