基于生成圖像數據的水下目標檢測與識別
一、項目簡介 水下目標檢測與識別,是水下機器人等相關系統能夠被高效應用的前提。然而現有系統難以應對水下圖像能見度較低,對比度差,存在顏色漂移和邊緣模糊等問題;另外,水下圖像樣本稀少且缺乏足夠的變化性,使得相關基于機器學習的目標檢測與識別系統由于缺乏訓練樣本而無法有效應用。 二、前期研究基礎 項目利用深度學習等新的理論突破,提出兩種解決方案,一種是通過結合水下成像原理與深度風格遷移、生成對抗網絡等算法,由普通光學圖像生成水下圖像,構建水下圖像目標檢測與識別仿真庫,該數據庫一方面數據量大且具有較大的變化性,也即場景與目標均具有較大的變化性;另一方面,由于是由普通光學圖像遷移獲得,因而也可以直接應用普通光學圖像自身的標簽信息,無需再對其進行標注。另一種是研究基于水下退化圖像處理算法的檢測和識別系統,解決由水下圖像的色彩漂移和細節丟失等退化現象帶來的目標檢測和識別問題。同時通過水下退化圖像處理模塊和檢測識別系統的聯合優化技術,可以實現退化圖像的增強方法與檢測識別系統的最佳匹配。在保證處理后的退化圖像性能指標的前提下,進一步提升水下圖像的目標檢測識別性能。 三、應用技術成果 1)基于深度學習風格遷移的水下圖像生成效果示例 a為自然場景圖像中的目標檢測結果;b為模擬生成的水下風格圖像及其目標檢測結果;c為圖像增強后的目標檢測結果。 四、合作企業 無
廈門大學
2021-04-11