首页|一种基于弱监督学习的声图小目标快速检测方法

一种基于弱监督学习的声图小目标快速检测方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
小目标检测是声呐图像理解中最引人瞩目,同时又极具挑战性的任务之一.该文基于离散余弦变换和K-近邻聚类,提出了一种快速检测方法.离散余弦变换用于生成图像的指纹,是原始图像在二维频域的一种稀疏表达;改进的K-近邻模型对于带有标签数据的需求量相对较低,提升了算法的处理效率和对弱监督场景的适应性.经试验验证,该方法可在准确率和召回率之间达到一个恰当的平衡点,同时在实时成像的合成孔径声呐图像小目标检测中,获得了较为可靠的结果.
A fast weak supervised detection method of small objects in sonar imagery

徐利刚、朱可卿、韦琳哲、王朋

展开 >

海装驻无锡地区军代室 无锡 214061

中国科学院声学研究所 北京 100190

中国科学院大学 北京 100049

小目标检测 合成孔径声呐成像 弱监督学习 离散余弦变换 K-近邻

中国科学院青年创新促进会项目

2020

应用声学
中国科学院声学研究所

应用声学

CSTPCDCSCD北大核心
影响因子：1.128
ISSN：1000-310X
年,卷(期)：2020.39(3)
  • 1
  • 9