基于生成图像数据的水下目标检测与识别
一、项目简介 水下目标检测与识别,是水下机器人等相关系统能够被高效应用的前提。然而现有系统难以应对水下图像能见度较低,对比度差,存在颜色漂移和边缘模糊等问题;另外,水下图像样本稀少且缺乏足够的变化性,使得相关基于机器学习的目标检测与识别系统由于缺乏训练样本而无法有效应用。 二、前期研究基础 项目利用深度学习等新的理论突破,提出两种解决方案,一种是通过结合水下成像原理与深度风格迁移、生成对抗网络等算法,由普通光学图像生成水下图像,构建水下图像目标检测与识别仿真库,该数据库一方面数据量大且具有较大的变化性,也即场景与目标均具有较大的变化性;另一方面,由于是由普通光学图像迁移获得,因而也可以直接应用普通光学图像自身的标签信息,无需再对其进行标注。另一种是研究基于水下退化图像处理算法的检测和识别系统,解决由水下图像的色彩漂移和细节丢失等退化现象带来的目标检测和识别问题。同时通过水下退化图像处理模块和检测识别系统的联合优化技术,可以实现退化图像的增强方法与检测识别系统的最佳匹配。在保证处理后的退化图像性能指标的前提下,进一步提升水下图像的目标检测识别性能。 三、应用技术成果 1)基于深度学习风格迁移的水下图像生成效果示例 a为自然场景图像中的目标检测结果;b为模拟生成的水下风格图像及其目标检测结果;c为图像增强后的目标检测结果。 四、合作企业 无
厦门大学
2021-04-11