Nov, 2023

优化的 AUV 海底图像分析深度学习模型

PDF
TL;DR使用自主水下航行器，特别是在图像分析方面的创新，以提高准确率和效率，彻底改变了我们从海底获得数据的方式。本文总结和比较了 AUV 海底图像处理中最新的进展，涵盖了从计算机和算法进展到传感器和相机的海洋技术领域。通过阅读本文，您将对使用 AUV 处理海床照片的最新技术和工具有扎实的了解，并且了解它们如何进一步提高我们对海底的理解。
autonomous underwater vehiclesauvsseafloor mappingimage processingundersea technology
发现论文，激发创造
  • 革新自主式水下航行器（AUV）与海底图像处理技术的水下探测

    通过对自主水下车辆技术和海床图像处理技术的最新进展的全面调查，我们将探索这些进展如何改变我们探索和理解海洋的方式，以及它们对海洋科学未来的潜在影响。加入我们一起发现激动人心的水下探索世界以及推动其发展的技术。

    Nov, 2023

  • 高效大规模 AUV 视觉海底地图生成

    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

  • 利用生成对抗网络增强水下图像

    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

  • 海洋环境下自主水面船深度学习调查

    本文介绍了 Autonomous Surface Vehicles (ASV) 的现状和使用，重点探讨了 ASV 与 Deep Learning 方法的实现，以及其在海事操作中的挑战和未来研究方向。

    Oct, 2022

  • 使用点标注和少样本学习在自主水下机器人图像中检测濒危海洋物种

    通过借鉴少样本学习的最新方法，将普通海洋物种的图像和注释用于提高检测器对稀有和难以辨认物种的识别能力，提高了对手鳍鱼的平均精度，可应用于低样本标注的其他物体，并有助于积极监测受威胁、濒危和受保护的物种。

    Jun, 2024

  • 水下环境实时稠密三维映射

    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

  • 半监督水下图像目标检测算法

    利用变分自动编码器的半监督方法来检测水下无人潜水器收集的人工物体图像， 通过数据聚类和异常分数提取技术，能够大规模地识别感兴趣的物体的候选样本，并在未标记的数据集上实现了平均精度为 0.64 的识别

    Jun, 2023

  • 使用数据驱动方法进行 DVL 校准

    提出了一个端到端深度学习框架，用于自主水下车辆（AUVs）的校准程序，使用刺激数据表明，相较于基于模型的方法，我们的提议在准确性方面提高了 35％，在所需校准时间方面提高了 80％。

    Jan, 2024

  • 水下对接的高效检测与控制系统：基于机器学习和逼真仿真的综合方法

    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。

    Nov, 2023

  • 基于深度学习的海上无人机影像目标检测：综述与实验比较

    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