基于语义分割的侧扫声纳管线目标检测方法OA北大核心CSTPCD
为提高侧扫声纳图像中管线目标检测的自动化程度及效率,提出了一种基于语义分割的水下管线目标检测方法。首先通过构建高效语义分割网络主干,提高网络计算速度并降低网络对计算机硬件性能的需求;其次给出了一种针对管线目标特点的加权交叉熵损失函数,解决了因类间数量不均衡导致的网络训练困难问题。以多种复杂条件下侧扫声纳实测数据进行了水下管线检测试验,结果表明,该方法在取得和经典网络相近精度的情况下,速度提升了2.7倍,可达52.6FPS,实现了水下管线的快速、准确检测。
郑根;徐会希;赵建虎;杨文林
广州工业智能研究院,广东广州511458 广东智能无人系统研究院(南沙),广东广州511458 中国科学院沈阳自动化研究所,辽宁沈阳110169中国科学院沈阳自动化研究所,辽宁沈阳110169武汉大学测绘学院,湖北武汉430079广东智能无人系统研究院(南沙),广东广州511458
测绘与仪器
水下目标检测侧扫声纳图像深度学习语义分割网络优化类间不平衡
《海洋测绘》 2024 (2)
P.9-13,5
广东省自然资源厅海洋六大产业专项项目(GDNRC[2023]32)。
评论