当SAM遇见声呐图像
计算机视觉与模式识别
2023-06-27 v1
摘要
Segment Anything Model（SAM）已彻底改变了分割的方式。然而，当应用于与自然图像不同的领域任务时，SAM的性能可能下降。尽管如此，通过采用微调技术，SAM在医学与行星科学等特定领域展现出可观能力。值得注意的是，关于SAM在声呐成像中应用的研究尚属空白。本文旨在通过开展SAM在声呐图像上性能的综合研究来填补这一空白。具体而言，我们在声呐图像上以多种设置评估SAM。此外，我们使用带提示与面向语义分割的有效方法对SAM进行微调，从而扩展其对需自动分割任务的适用性。实验结果表明微调后SAM的性能得到显著提升。
引用
@article{arxiv.2306.14109,
title = {When SAM Meets Sonar Images},
author = {Lin Wang and Xiufen Ye and Liqiang Zhu and Weijie Wu and Jianguo Zhang and Huiming Xing and Chao Hu},
journal= {arXiv preprint arXiv:2306.14109},
year = {2023}
}
备注
12 pages, 3 figures