• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IFAC PapersOnLine >Deep Learning based Object Detection via Style-transferred Underwater Sonar Images ?
【24h】

Deep Learning based Object Detection via Style-transferred Underwater Sonar Images ?

机译：基于深度学习的物体检测通过样式传输的水下声纳图像 ？

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Compared to the flourishing researches on terrestrial optical images, deep learning in underwater imaging has not been highlighted. Although some approaches applied deep learning in their underwater imaging still no major application has been found in underwater sonar imaging. Notably, the fundamental limitation in underwater image data would be the main cause of the bottleneck. To alleviate this issue, this paper introduces a simulation-generated dataset for object detection in underwater sonar images. Specifically, this paper focuses on generating real sonarlike style-transferred synthetic sonar images for network training.
机译：与地面光学图像的蓬勃发展相比，水下成像的深度学习尚未突出显示。虽然一些方法在水下成像中应用了深入学习仍然没有在水下声纳成像中发现主要应用。值得注意的是，水下图像数据中的基本限制将是瓶颈的主要原因。为了缓解这个问题，本文介绍了一种用于水下声纳图像中的对象检测的模拟生成的数据集。具体而言，本文重点介绍为网络培训产生真正的Sonarlike Sypero Syntleic Sonocar Images。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号