Aug, 2023
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
Advances in Self-Supervised Learning for Synthetic Aperture Sonar Data Processing, Classification, and Pattern Recognition
Brandon Sheffield, Frank E. Bobe III, Bradley Marchand, Matthew S. Emigh
TL;DR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。