实体
side-scan sonar
side-scan sonar
PulseAugur coverage of side-scan sonar — every cluster mentioning side-scan sonar across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
AI框架使用弱监督声纳图像绘制海草栖息地
研究人员开发了一种弱监督语义分割框架，用于利用侧扫声纳图像绘制海草栖息地。该方法仅从图像级标签中学习像素级地图，采用基于 Vision Transformer (ViT) 的编码器-解码器和分类分支。该框架使用密集条件随机场和迭代自训练方案来优化伪标签，以处理类别不平衡和噪声。实验表明，Lovász-Softmax 损失函数最有效，模型在没有像素级标签的情况下达到了 87.6% 的 mIoU，而自监督预训练进一步提高了性能。
-
新框架对齐水下光学和声纳地图
研究人员开发了一个新框架，通过共配准光学和声学图像来改进水下测绘。该方法使用运动恢复结构 (SfM) 创建海底三维网格，作为视觉和声学数据之间的几何链接。该系统还校正了高度漂移，并分离了海底的固有反射率，消除了由传播损失和视点引起的失真。这种物理引导的方法能够实现精确的、共配准的多模态数据集，用于栖息地测绘中的高级自监督学习。
-
推出新的光声数据集用于海洋栖息地测绘
研究人员推出了 BenthiCat，这是一个新颖的光声数据集，旨在推进用于底栖分类和海洋栖息地测绘的机器学习。该数据集包括约一百万个侧扫声纳图块、测深图和共配准的光学图像，其中超过 36,000 个声纳图块经过手动标注用于监督学习。该资源旨在克服海洋科学中带标注数据稀缺的问题，促进用于自主海底分类和多传感器集成的自监督和跨模态表示学习。