English(EN) Improved Automatic Target Recognition in Synthetic Aperture Sonar Imagery Using Large Deep Neural Networks

深度神经网络在合成孔径声纳目标识别中的比较

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-03 04:00

研究人员调查了大型深度神经网络在合成孔径声纳（SAS）图像自动目标识别（ATR）方面的有效性，特别比较了卷积神经网络（CNN）和基于Transformer的架构。该研究旨在确定最佳网络规模、训练配置和正则化方法，以在SAS-ATR中实现最高性能，并通过数据增强和预训练等技术解决标记训练数据有限的挑战。 AI

影响这项研究可能带来更准确、更高效的声纳图像自动目标识别系统，从而可能改进国防和水下探索领域的应用。

排序理由该集群包含一篇研究论文，详细介绍了用于特定图像识别任务的深度神经网络架构的比较研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 21 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇研究论文，详细介绍了用于特定图像识别任务的深度神经网络架构的比较研究。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · C. J. Moore, Alex Hurt, Jordan Malof · 2026-09-03 04:00

利用大型深度神经网络改进合成孔径声纳图像中的自动目标识别

arXiv:2609.01800v1 Announce Type: new Abstract: Automatic Target Recognition (ATR) in Synthetic Aperture Sonar (SAS) is a task largely dominated by deep neural networks (DNNs). Most SAS-ATR models use convolutional neural network (CNN) architectures whereas transformer-based arch…

本文如何被排名

报道来源 [1]

利用大型深度神经网络改进合成孔径声纳图像中的自动目标识别

相关实体

相关话题