synthetic aperture sonar

研究比较用于声纳的深度学习数据增强方法

一篇新的研究论文探讨了用于在合成孔径声纳（SAS）数据上训练深度神经网络（DNN）的数据增强技术。该研究通过比较各种增强策略，包括传统的图像处理方法和基于物理的方法，来解决标记的SAS数据有限的挑战。研究还考察了这些增强方法与transformer等现代架构结合使用时的有效性，发现虽然数据增强可以提高准确性，但不同方法的收益有所不同，并非所有增强方法都有帮助。