水下目标检测——论文阅读与整理
水下目标检测——论文阅读与整理
1. 论文阅读
这次的任务主要是检测与标注，不需要识别类型和跟踪
1.1 《基于声呐图像的水下目标检测、识别与跟踪研究综述》1
1.1.1 摘要
- 重要性：水生物跟踪定位，水底环境检测，军事领域
- 难点：水下环境（声学介质等多变），信号传送与获取的过程收到的干扰，往往导致水下数据不可靠。
- 目标：提高准确性与快速性，降低计算成本
- 不同声呐设备的特点
- 过程：
1.1.2 水下目标检测算法
1.1.3 图像预处理
图像去噪：空间域，变换域
存在问题：滤除噪声与保持图像边缘纹理细节等信息的矛盾
解决方法：偏微分方法+限制条件，变换域方法（论文中有列举）
1.1.4 声呐图像分割（这个看的稀里糊涂）
目的：提取出目标与阴影
分类：
- 有监督：（研究较少？？）贝叶斯MMP，MAP；变分框架
- 无监督：基于MRF的图像分割技术，基于主动轮廓模型的图像分割技术
1.1.5 目标分类识别跳过
1.2 《基 于 卷 积 神 经 网 络 的 声 呐 图 像 目 标 检 测 识 别》2
1.2.1 引言
| 对比 | 传统方法 | 深度学习方法 |
|---|---|---|
| 原理 | 基于特征 | 将数据利用网络训练 |
| 特点 | 依赖于特征的选取 | 需要大量训练 |
文章所做是对不同目标检测的网络对声呐图像处理的效果进行对比，选出最优的网络
1.2.2 使用的网络以及结果分析
2.总结
| 总结 | 内容 |
|---|---|
| 重要性 | 应用广，难度大 |
| 难点 | 介质多变，信号干扰 |
| 目标 | 快速，准确识别 |
| 方法 | 传统方法与深度学习的方法 |
2.1结合赛题的想法：
- 我们目前要做的是目标检测，不用进行分类与跟踪。
- 可以先不用对图像预处理进行网络训练（思路比较简单，但训练花时间，在训练时，想起他方法，先不进行预处理看效果，之后与预处理后进行比较，权衡边缘信息与噪声）
- 前扫和侧扫两者图像特点进行对比，看是否需要针对性处理（初步想法：前扫噪声敏感，或许需要预处理）
2.2 图像示例：
前视声呐（精度低，噪声敏感）
侧扫声呐（精度低，数据量大）