水下目标检测——论文阅读与整理

1. 论文阅读
- 1.1 《基于声呐图像的水下目标检测、识别与跟踪研究综述》[^1]
- - 1.1.1 摘要
  - 1.1.2 水下目标检测算法
  - 1.1.3 图像预处理
  - 1.1.4 声呐图像分割（这个看的稀里糊涂）
  - 1.1.5 目标分类识别跳过
- 1.2 《基于卷积神经网络的声呐图像目标检测识别》[^2]
- - 1.2.1 引言
  - 1.2.2 使用的网络以及结果分析
2.总结
- 2.1结合赛题的想法：
- 2.2 图像示例：
参考文献：

1. 论文阅读

这次的任务主要是检测与标注，不需要识别类型和跟踪

1.1 《基于声呐图像的水下目标检测、识别与跟踪研究综述》¹

^{1.1.1 摘要}

^{重要性：水生物跟踪定位，水底环境检测，军事领域}
^{难点：水下环境（声学介质等多变），信号传送与获取的过程收到的干扰，往往导致水下数据不可靠。}
^{目标：提高准确性与快速性，降低计算成本}
^{不同声呐设备的特点}
^过程：

^{水下目标检测}

^{声呐图像与处理}

^{水下目标识别}

^{水下目标跟踪}

^{1.1.2 水下目标检测算法}

^{1.1.3 图像预处理}

^{图像去噪：空间域，变换域

存在问题：滤除噪声与保持图像边缘纹理细节等信息的矛盾

解决方法：偏微分方法+限制条件，变换域方法（论文中有列举）}

^{1.1.4 声呐图像分割（这个看的稀里糊涂）}

^{目的：提取出目标与阴影

分类：}

^{有监督：（研究较少？？）贝叶斯MMP，MAP；变分框架}
^{无监督：基于MRF的图像分割技术，基于主动轮廓模型的图像分割技术}

^{1.1.5 目标分类识别跳过}

^{1.2 《基于卷积神经网络的声呐图像目标检测识别》²}

^{1.2.1 引言}

对比	传统方法	深度学习方法
原理	基于特征	将数据利用网络训练
特点	依赖于特征的选取	需要大量训练

^{文章所做是对不同目标检测的网络对声呐图像处理的效果进行对比，选出最优的网络}

^{1.2.2 使用的网络以及结果分析}

^2.总结

总结	内容
重要性	应用广，难度大
难点	介质多变，信号干扰
目标	快速，准确识别
方法	传统方法与深度学习的方法

^{2.1结合赛题的想法：}

^{我们目前要做的是目标检测，不用进行分类与跟踪。}
^{可以先不用对图像预处理进行网络训练（思路比较简单，但训练花时间，在训练时，想起他方法，先不进行预处理看效果，之后与预处理后进行比较，权衡边缘信息与噪声）}
^{前扫和侧扫两者图像特点进行对比，看是否需要针对性处理（初步想法：前扫噪声敏感，或许需要预处理）}

^{2.2 图像示例：}

^{前视声呐（精度低，噪声敏感）

侧扫声呐（精度低，数据量大）}

^{参考文献：}

^{郭戈,王兴凯,徐慧朴.基于声呐图像的水下目标检测、识别与跟踪研究综述[J].控制与决策,2018,33(05):906-922. ↩︎}
^{曾文冠. 基于卷积神经网络的声呐图像目标检测识别[C]. 中国造船工程学会、船舶振动噪声重点实验室、国防科技大学装备综合保障技术重点实验室.第十七届船舶水下噪声学术讨论会论文集.中国造船工程学会、船舶振动噪声重点实验室、国防科技大学装备综合保障技术重点实验室:中国造船工程学会,2019:741-747. ↩︎}

水下目标检测——论文阅读与整理相关推荐

2019 sample-free（样本不平衡）目标检测论文阅读笔记
点击我爱计算机视觉标星,更快获取CVML新技术本文转载自知乎,已获作者同意转载,请勿二次转载 (原文地址:https://zhuanlan.zhihu.com/p/100052168) 背景 < ...
3D目标检测论文阅读多角度解析
3D目标检测论文阅读多角度解析一．前言 CNN(convolutional neural network)在目标检测中大放异彩,R-CNN系列,YOLO,SSD各类优秀的方法层出不穷在2D图像的目标 ...
3D目标检测论文阅读摘要
3D目标检测论文阅读摘要 2D Object Detection 的研究已经非常成熟了,代表作品有RPN系列的FasterRCNN,One Shot系列的YOLOv1-YOLOv3,这里推荐一个2D ...
目标检测论文阅读：GHM(anchor based)
目标检测论文阅读:GHM(anchor based) 论文链接:https://arxiv.org/abs/1811.05181 代码链接:https://github.com/libuyu/GHM_ ...
毫米波目标检测论文阅读笔记 | Radar Transformer: An Object Classification Network Based on 4D MMW Imaging Radar
毫米波目标检测论文 | Radar Transformer: An Object Classification Network Based on 4D MMW Imaging Radar Jie Ba ...
3D检测论文阅读简记
论文读完之后很快忘记了, 写长篇的论文笔记又很耗时间; 因此打算换一种简洁的方式记录读过的一些3D检测论文: 论文的动机和主要的解决问题. 1. (arXiv 2205) BEVFusion: Mul ...
三维目标检测论文阅读：VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection
VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection 理解了PointPillars这篇文章后,看这篇文章就清 ...
目标检测论文阅读：Multi-scale Location-aware Kernel Representation for Object Detection（CVPR2018）
Multi-scale Location-aware Kernel Representation for Object Detection 论文链接:https://arxiv.org/abs/180 ...
目标检测论文阅读：Cascade R-CNN: Delving into High Quality Object Detection（CVPR2018）
Cascade R-CNN: Delving into High Quality Object Detection(CVPR2018) 论文链接:https://arxiv.org/abs/1712. ...

水下目标检测——论文阅读与整理

水下目标检测——论文阅读与整理

1. 论文阅读

1.1 《基于声呐图像的水下目标检测、识别与跟踪研究综述》¹

^{1.1.1 摘要}

^{1.1.2 水下目标检测算法}

^{1.1.3 图像预处理}

^{1.1.4 声呐图像分割（这个看的稀里糊涂）}

^{1.1.5 目标分类识别跳过}

^{1.2 《基于卷积神经网络的声呐图像目标检测识别》²}

^{1.2.1 引言}

^{1.2.2 使用的网络以及结果分析}

^2.总结

^{2.1结合赛题的想法：}

^{2.2 图像示例：}

^{参考文献：}

水下目标检测——论文阅读与整理相关推荐

最新文章

热门文章

水下目标检测——论文阅读与整理

水下目标检测——论文阅读与整理

1. 论文阅读

1.1 《基于声呐图像的水下目标检测、识别与跟踪研究综述》1

1.1.1 摘要

1.1.2 水下目标检测算法

1.1.3 图像预处理

1.1.4 声呐图像分割（这个看的稀里糊涂）

1.1.5 目标分类识别跳过

1.2 《基 于 卷 积 神 经 网 络 的 声 呐 图 像 目 标 检 测 识 别》2

1.2.1 引言

1.2.2 使用的网络以及结果分析

2.总结

2.1结合赛题的想法：

2.2 图像示例：

参考文献：

水下目标检测——论文阅读与整理相关推荐

最新文章

热门文章

1.1 《基于声呐图像的水下目标检测、识别与跟踪研究综述》¹

^{1.1.1 摘要}

^{1.1.2 水下目标检测算法}

^{1.1.3 图像预处理}

^{1.1.4 声呐图像分割（这个看的稀里糊涂）}

^{1.1.5 目标分类识别跳过}

^{1.2 《基于卷积神经网络的声呐图像目标检测识别》²}

^{1.2.1 引言}

^{1.2.2 使用的网络以及结果分析}

^2.总结

^{2.1结合赛题的想法：}

^{2.2 图像示例：}

^{参考文献：}