Jun, 2023

神经网络体积重建用于相干合成孔径声纳

PDF
TL;DR使用分析与合成优化的方法来实现一种基于神经渲染的合成孔径声纳（SAS）成像，其具有物理约束和场景先验的能力，经过实验验证，表现通常优于现有的方法。
synthetic aperture sonarimage reconstructionanalysis-by-synthesis optimizationneural renderingcoherent sas imaging
发现论文，激发创造
  • 合成孔径声纳数据处理、分类和模式识别的自监督学习进展

    本文提出了一种使用自监督学习（SSL）进行合成孔径声纳（SAS）数据处理、分类和模式识别的方法 MoCo-SAS，实验结果表明 MoCo-SAS 在 F1 分数方面明显优于传统监督学习方法，展示了 SSL 在 SAS 数据处理中的潜力，并为增强水下目标检测和分类提供了有希望的途径。

    Aug, 2023

  • 结合 SAS 和光学转 SAS 图像的水下物体分类

    使用合成孔径声纳（SAS）图像和光学图像相结合的多模态组合来区分人工目标和岩石等对象，提出了一种创新的分类算法，可以解决两种模态之间强度和对象形成差异的问题，并使用一组新的几何形状描述符来获取影子和高光之间的几何关系，通过对 7,052 对 SAS 和光学图像的实验结果表明其在不同类型的水下目标区分方面相对于现有技术有更好的分类性能，并分享我们的数据库以实现可重复性。

    Apr, 2023

  • AONeuS: 声光传感器融合的神经渲染框架

    我们的研究开发了一种基于物理学的多模态声光神经表面重建框架（AONeuS），能够有效地整合高分辨率 RGB 测量和低分辨率深度解析成像声纳测量，从而在受限的基线上捕获的测量中重建出准确的高分辨率 3D 表面。

    Feb, 2024

  • 自监督学习提升合成孔径声纳目标识别

    这项研究探讨了自监督学习（SSL）在合成孔径声纳（SAS）图像识别改进中的应用，结果表明，尽管两个 SSL 模型在少样本情况下可以优于完全监督模型，但在使用全部标签时不能超过其性能，这有助于减少数据标记的时间和成本，同时提供了远程感知中使用 SSL 的证据。

    Jul, 2023

  • 用于合成孔径声纳图像的直方图层

    本文介绍了一种新的 SAS 图像处理方法 —— 直方图层，通过将直方图层加入深度学习模型，不仅可以提取统计纹理信息，还可以提高合成和真实 SAS 数据集的分析性能。

    Sep, 2022

  • 基于弱监督的圆扫描合成孔径声纳图像的语义分割

    我们提出了一种弱监督框架，用于圆型扫描合成孔径声纳（CSAS）图像的语义分割。

    Jan, 2024

  • 改进合成训练的声纳图像描述符在水下地点识别中的泛化性能

    自主导航与水下环境中的挑战，主要包括光吸收和水浑浊度等因素，传统视觉算法对声纳生成的声学图像的应用效果较差，而卷积神经网络通常需要大量的标记训练数据，这些数据通常难以获取。因此，我们提出了一种新型的紧凑型深度声纳描述符管道，它能够在仅仅用于合成数据的情况下推广到真实场景，并通过标准的临时规范化 / 预滤波技术提升输入声纳数据的质量。同时，我们还介绍了自定义的合成数据生成过程。通过对合成和公开可用的真实数据的广泛评估，证明了我们提出的方法相较于最先进的方法更加有效。

    Aug, 2023

  • 神经透视图渲染

    采用高容量神经场景表示和周期激活联合优化场景的隐式表面和辐射场的神经渲染管道，加速了现有技术水平的神经体积渲染，实现了与传统图形管道兼容的隐式表面表示，并实现了与其他表面方法相比具有前所未有的图像质量。

    Mar, 2021

  • 侧扫声纳规范图像表示的评估

    本文提出了一种基于强度和斜距离纠正的规范化变换方法，该方法对由侧扫声纳所采集的图像数据中的失真和相位差进行了修正，并成功地在真实环境中进行了实验验证。

    Apr, 2023

  • 使用深度神经网络从侧扫声纳进行高分辨率洋底地形重建

    该研究提出了一种新颖的数据驱动方法，通过测距侧扫声呐图像和稀疏深度信息，结合全卷积网络和神经网络，用于高分辨率测绘海底地形图。

    Jun, 2022