实体
synthetic aperture sonar
synthetic aperture sonar
PulseAugur coverage of synthetic aperture sonar — every cluster mentioning synthetic aperture sonar across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
深度神经网络在合成孔径声纳目标识别中的比较
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。
-
新数据集SCTD 3.0旨在推进水下目标检测
研究人员推出了SCTD 3.0，这是一个旨在利用合成孔径声呐（SAS）改进水下目标检测的大规模数据集。该数据集包含来自自然水域中多频系统捕获的、跨越十个目标类别的超过10,000个真实SAS图像片段。SCTD 3.0包含严格的标注协议，用于细粒度的目标特征描述，并建立了一个多任务基准，以评估深度学习模型在各种条件下的泛化能力。
-
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。