本文讨论了一种从海洋环境中的航空图像中进行弱监督动物检测的重建方法,该方法利用异常检测框架直接计算输入空间的度量,与特征嵌入方法相比具有更好的可解释性和异常定位能力,同时在处理嘈杂数据方面具有优势,提供了有价值的洞察力,推动了监测海洋生态系统并减缓人类活动对海洋动物的影响的发展。
Jul, 2023
本文提出了一种使用生成对抗网络 (GANs) 来提高可视水下场景质量的方法,该方法可以为水下机器人在视觉驱动任务上的表现提供更好的输入,同时提供了定量和定性数据,证明了这种方法的有效性。
Jan, 2018
通过结合海洋数据科学、深海探索、自主水下载具、水下成像和机器人三维重建等技术的最新发展,我们提出了一个系统,可在海底面积达公顷级的范围内进行自动化的机器人三维重建。该系统经过多次研究航行的测试和评估,展示了在真实条件下的稳定性和实用性。
Aug, 2023
利用海洋无人机进行目标检测的深度学习技术在海洋工程和海洋行业的应用越来越重要。本文综述了海洋无人机目标检测面临的挑战、相关方法以及无人机航拍数据集,并提出了一个名为 MS2ship 的海洋无人机航拍数据集用于船只检测。通过一系列实验评估和鲁棒性分析,论文展示了这些目标检测方法在海洋数据集上的性能,并对未来的海洋无人机目标检测工作进行了讨论和展望。
Nov, 2023
海洋垃圾对海洋野生动物的存活构成重要威胁,因而清除海洋垃圾对恢复自然平衡和保护海洋生物的繁荣至关重要。本论文利用实例分割技术,通过对图像进行分割和定位,计算并总结各个对象的面积来评估实例分割的区域。
Sep, 2023
本文提出了一种基于 Feature-Augmented VAE 的复杂异常模型的新 VAE 模型,该模型不仅在像素空间中重构输入图像,而且还在多个不同的特征空间中进行重构,通过对先前训练的卷积神经网络进行计算,对 MVTec 异常检测和定位数据集的表现明显优于现有最先进的方法。
Aug, 2020
提出了一种条件生成式对抗网络模型来实现实时水下图像增强,该模型基于全局内容、颜色、局部纹理和样式信息来评估感知图像质量,并使用 EUVP 数据集进行监督学习,可以从匹配和非匹配训练中学习提高水下图像质量,进而进一步提高水下物体检测、人类姿态估计和显著性预测等任务表现。
Mar, 2019
本文提出了一种针对自主水下载具 (AUV) 的实时稠密三维重建方法,该方法使用了一个鲁棒的 VIO 方法 SVIn2 和一个实时三维重建管道。该管道在四个具有挑战性的水下数据集上获得了可比拟 COLMAP 的重建结果,并在单 CPU 上获得了高帧率。
Apr, 2023
自动驾驶领域的异常是自动驾驶车辆大规模部署的主要障碍。本研究聚焦于包含各种类型和尺寸的异常的城市场景的高分辨率摄像头数据。基于变分自动编码器,我们将其潜在空间设为条件,将样本分类为正常数据或异常数据。为了特别强调小的异常,我们进行了实验,在额外的输入中提供了差异图,并评估其对检测性能的影响。我们的方法将正常数据和异常数据分离到孤立的聚类中,同时还能重构高质量的图像,从而产生有意义的潜在表示。
比较不同的深度学习架构以实现水下对接检测和分类,并使用知识蒸馏压缩具有最佳性能的架构,利用生成对抗网络进行图像转换以模拟真实水下图像,最终评估该方法的成功率并与传统视觉方法进行比较。