論文の概要: Underwater object classification combining SAS and transferred
optical-to-SAS Imagery
- arxiv url: http://arxiv.org/abs/2304.11875v1
- Date: Mon, 24 Apr 2023 07:42:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-25 15:49:35.123838
- Title: Underwater object classification combining SAS and transferred
optical-to-SAS Imagery
- Title(参考訳): SASと移設光学SAS画像を組み合わせた水中物体分類
- Authors: Avi Abu and Roee Diamant
- Abstract要約: 本研究では,人工目標と岩やごみなどの対象物とを識別するマルチモーダルの組み合わせを提案する。
本稿では,2つのモード間の強度差と物体形成差を克服する新しい分類アルゴリズムを提案する。
海洋実験で収集した7,052対のSASと光学画像から,分類性能が向上した。
- 参考スコア(独自算出の注目度): 12.607649347048442
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Combining synthetic aperture sonar (SAS) imagery with optical images for
underwater object classification has the potential to overcome challenges such
as water clarity, the stability of the optical image analysis platform, and
strong reflections from the seabed for sonar-based classification. In this
work, we propose this type of multi-modal combination to discriminate between
man-made targets and objects such as rocks or litter. We offer a novel
classification algorithm that overcomes the problem of intensity and object
formation differences between the two modalities. To this end, we develop a
novel set of geometrical shape descriptors that takes into account the
geometrical relation between the objects shadow and highlight. Results from
7,052 pairs of SAS and optical images collected during several sea experiments
show improved classification performance compared to the state-of-the-art for
better discrimination between different types of underwater objects. For
reproducibility, we share our database.
- Abstract(参考訳): 合成開口ソナー(SAS)画像と水中物体分類のための光学画像を組み合わせることで、水明度、光学画像解析プラットフォームの安定性、ソナー分類のための海底からの強い反射といった課題を克服する可能性がある。
本研究では,人工目標と岩やごみなどの対象物とを識別するマルチモーダルの組み合わせを提案する。
本稿では,2つのモード間の強度差と物体形成差を克服する新しい分類アルゴリズムを提案する。
この目的のために,物体の影とハイライトの幾何学的関係を考慮した幾何学的形状記述子を新たに開発した。
海洋実験で収集した7,052対のSASと光学画像の結果,異なる種類の水中物体の識別において,最先端技術と比較して分類性能が向上した。
再現性のため、データベースを共有します。
関連論文リスト
- Dual Adversarial Resilience for Collaborating Robust Underwater Image
Enhancement and Perception [54.672052775549]
本研究では,水中画像の強調と検出を行うために,CARNetと呼ばれる協調的対向レジリエンスネットワークを導入する。
本稿では,ネットワークが様々な種類の攻撃を識別・除去できるように,視覚駆動型と知覚駆動型の両方による同時攻撃訓練戦略を提案する。
実験により,提案手法は画像の高画質化を図り,最先端の手法よりも平均6.71%高い検出精度が得られた。
論文 参考訳(メタデータ) (2023-09-03T06:52:05Z) - PUGAN: Physical Model-Guided Underwater Image Enhancement Using GAN with
Dual-Discriminators [120.06891448820447]
鮮明で視覚的に快適な画像を得る方法は、人々の共通の関心事となっている。
水中画像強調(UIE)の課題も、時間とともに現れた。
本稿では,UIE のための物理モデル誘導型 GAN モデルを提案する。
我々のPUGANは質的および定量的な測定値において最先端の手法より優れています。
論文 参考訳(メタデータ) (2023-06-15T07:41:12Z) - SUCRe: Leveraging Scene Structure for Underwater Color Restoration [1.9490160607392462]
本研究では,シーンの3次元構造を利用した水中色復元手法であるSUCReを紹介する。
我々は、自然光から深海環境まで様々なシナリオにおいて、我々のアプローチを定量的、質的に分析する。
論文 参考訳(メタデータ) (2022-12-18T16:53:13Z) - OADAT: Experimental and Synthetic Clinical Optoacoustic Data for
Standardized Image Processing [62.993663757843464]
オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。
OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。
臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
論文 参考訳(メタデータ) (2022-06-17T08:11:26Z) - UIF: An Objective Quality Assessment for Underwater Image Enhancement [17.145844358253164]
水中画像の客観的評価のための水中画像忠実度(UIF)指標を提案する。
これらの画像の統計的特徴を利用して,自然度,鋭度,構造的特徴を抽出する。
実験の結果,提案したUIFは水中および汎用画像品質指標より優れていたことが確認された。
論文 参考訳(メタデータ) (2022-05-19T08:43:47Z) - Comparison of convolutional neural networks for cloudy optical images
reconstruction from single or multitemporal joint SAR and optical images [0.21079694661943604]
本研究では,SARと光画像を用いた畳み込みニューラルネットワークの評価に着目する。
光画像再構成を目的としたディープネットのトレーニングのためのデータセット作成を容易にするシンプルなフレームワークを提案する。
空間分割データ構造が,クラウドカバレッジ,相対的取得日,画素の妥当性,SARと光学画像との相対的近接といった点において,サンプルのクエリにどのように役立つかを示す。
論文 参考訳(メタデータ) (2022-04-01T13:31:23Z) - Image-to-Height Domain Translation for Synthetic Aperture Sonar [3.2662392450935416]
本研究では,等方的および異方的テクスチャに関する集合幾何学に焦点をあてる。
集合幾何学の低放牧角度は、異方性テクスチャに対するソナーパスの配向と相まって、画像アライメントや他の多視点シーン理解フレームワークにとって重要な課題である。
論文 参考訳(メタデータ) (2021-12-12T19:53:14Z) - Underwater Image Restoration via Contrastive Learning and a Real-world
Dataset [59.35766392100753]
本稿では,教師なし画像から画像への翻訳フレームワークに基づく水中画像復元手法を提案する。
提案手法は, 生画像と復元画像の相互情報を最大化するために, コントラスト学習と生成敵ネットワークを利用した。
論文 参考訳(メタデータ) (2021-06-20T16:06:26Z) - Underwater image filtering: methods, datasets and evaluation [44.933577173776705]
水中画像フィルタリング法の設計原理を概観する。
各種水系における画像形成モデルと復元方法の結果について検討する。
ニューラルネットワークのトレーニングや手法評価のためのタスク依存型強化手法とデータセットを提案する。
論文 参考訳(メタデータ) (2020-12-22T18:56:39Z) - A Parallel Down-Up Fusion Network for Salient Object Detection in
Optical Remote Sensing Images [82.87122287748791]
光リモートセンシング画像(RSI)における有意な物体検出のための新しい並列ダウンアップフュージョンネットワーク(PDF-Net)を提案する。
In-pathの低レベル・高レベルな特徴とクロスパスの多解像度な特徴をフル活用して、多様なスケールのサルエントオブジェクトを識別し、散らかった背景を抑える。
ORSSDデータセットの実験により、提案したネットワークは定性的かつ定量的に最先端のアプローチよりも優れていることが示された。
論文 参考訳(メタデータ) (2020-10-02T05:27:57Z) - Single-shot Hyperspectral-Depth Imaging with Learned Diffractive Optics [72.9038524082252]
単発単眼単眼ハイパースペクトル(HS-D)イメージング法を提案する。
本手法では, 回折光学素子 (DOE) を用いる。
DOE の学習を容易にするため,ベンチトップ HS-D イメージラーを構築することで,最初の HS-D データセットを提案する。
論文 参考訳(メタデータ) (2020-09-01T14:19:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。