Experts Fusion and Multilayer Perceptron Based on Belief Learning for Sonar Image Classification
ENSIETA（法国布雷斯特国立工程师学校）
声纳图像提供了一个快速的海底视图，以表征它。然而，在这样的不确定环境中，真正的海底是未知的，我们可以获得的唯一信息，是不同的人类专家的解释，有时会发生冲突。在本文中，我们建议管理这种冲突，以提供一个强大的现实的学习步骤的分类算法。分类是由一个多层感知器，考虑到在学习阶段的现实的不确定性。这一海底特征的结果在真实的声纳图像上呈现。
2008-06-12 cs.AI cs.CV
Real-time convolutional networks for sonar image classification in low-power embedded systems
Heriot-Watt University（赫瑞瓦特大学）
深度神经网络具有令人印象深刻的分类性能，但这是以推理时大量计算资源为代价的。自主式水下机器人使用低功耗的嵌入式系统进行声纳图像感知，无法实时的【形】执行大型神经网络。我们建议积极使用最大池，我们证明了它与基于火的模块和一个新的微小的模块，包括最大池在每个模块。通过堆叠它们，我们构建的网络可以达到与较大网络相同的精度，同时减少参数数量并大大提高计算性能。我们的网络可以在Raspberry Pi 2上以98.8 - 99.7的精度对96 x96的声纳图像进行分类，仅需41至61毫秒，这相当于28.6 - 19.7的加速比。
2017-09-07 cs.CV cs.RO
A Comparison of Few-Shot Learning Methods for Underwater Optical and Sonar Image Classification
Heriot-Watt University（赫瑞-瓦特大学）；SeeByte（SeeByte公司）
深度卷积神经网络通常在光学和声纳图像上的水下目标识别任务中表现良好。许多这样的方法需要数百，如果不是数千，每个类的图像，以及推广到看不见的例子。然而，获取和标记足够大的数据量可能相对昂贵和耗时，特别是在观察稀有物体或执行实时操作时。少样本学习（FSL）的努力已经产生了许多有前途的方法来处理低数据可用性。然而，很少有人注意到在水下领域，其中的图像的风格提出了额外的挑战，对象识别算法。据我们所知，这是第一篇评估和比较几种监督和半监督少样本学习（FSL）方法，使用水下光学和侧扫声纳图像。我们的研究结果表明，FSL方法提供了一个显着的优势，比传统的迁移学习方法，微调预训练模型。我们希望我们的工作将有助于将FSL应用于自主水下系统并扩展其学习能力。
2020-10-26 cs.CV
Underwater SONAR Image Classification and Analysis using LIME-based Explainable Artificial Intelligence
SRM Institute of Science and Technology（SRM科技学院）；Faculty of Engineering and Technology（工程与技术学院）
本文利用VGG16等CNN架构和迁移学习对水下SONAR图像进行分类，并引入LIME及SP-LIME等XAI技术提供透明解释，提升了模型在高安全领域的可信度。
2024-09-23 cs.AI cs.CV cs.HC
Structural Prior Driven Regularized Deep Learning for Sonar Image Classification
Applied Research Laboratory（应用研究实验室）；School of EECS at the Pennsylvania State University（宾夕法尼亚州立大学电子工程与计算机科学学院）
深度学习最近被证明可以提高合成孔径声纳（SAS）图像分类领域的性能。考虑到SAS的范围具有恒定的分辨率，深度学习技术表现如此出色也就不足为奇了。尽管深度学习最近取得了成功，但在训练图像有限的情况下，在降低高误报率和实现成功方面仍然存在令人信服的挑战，这是一个实际挑战，将SAS分类问题与标准图像分类设置区分开来，其中训练图像可能很丰富。我们通过利用人类用来把握场景的先验知识来应对这些挑战。这些包括无意识地消除图像斑点和场景中的对象的定位。我们引入了一种新的深度学习架构，该架构将这些先验知识与提高SAS图像自动目标识别（ATR）的目标相结合。我们的建议-称为SPDRDL，结构先验驱动的正则化深度学习-将前面提到的先验纳入多任务卷积神经网络（CNN）中，与传统的SAS ATR方法相比，不需要额外的训练数据。在网络的学习过程中，通过正则化项强化了两个结构先验：（1）结构相似性先验--增强图像（通常通过去斑）帮助人类解释并且在语义上类似于原始图像，以及（2）结构场景上下文先验-学习的特征理想地封装目标定心信息;因此，可以通过正则化来增强学习，该正则化鼓励相对于已知的地面真实目标偏移（相对于场景中心的目标位置）的保真度。在具有挑战性的真实世界数据集上进行的实验表明，SPDRDL在SAS图像分类方面优于最先进的深度学习和其他竞争方法。
2020-10-26 cs.CV
BenthicDINO: Physics-Informed Self-Distillation for View-Invariant Side-Scan Sonar Representations
Computer Vision and Robotics Research Institute (ViCOROB)（计算机视觉与机器人研究学院（ViCOROB））；University of Girona（赫罗纳大学）
本文提出BenthicDINO框架，基于DINOv3架构结合物理感知自蒸馏，通过物理增强与HSIC惩罚实现侧扫声呐表征的视角不变性，在S3Seg数据集上仅用10%标注数据即可达峰值性能的96%，取得71.4% mIoU与86.5%总体准确率。
2026-10-19 cs.AI cs.CV cs.LG
SONIC: Sonar Image Correspondence using Pose Supervised Learning for Imaging Sonars
Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人学院）
针对水下SLAM中成像声呐因视角变化导致数据关联困难的问题，提出位姿监督网络SONIC，可生成鲁棒的声呐图像特征匹配，性能显著提升，将公开代码与数据集助力相关研究。
2024-05-13 cs.CV cs.RO
Weakly Supervised Seafloor Segmentation for Seagrass Habitat Mapping in Side-Scan Sonar Imagery
Computer Vision and Robotics Research Institute (ViCOROB)（计算机视觉与机器人研究学院（ViCOROB））；University of Girona（赫罗纳大学）
本文提出基于弱监督语义分割框架的侧扫声呐底栖生境制图方法，仅用图像级标签实现像素级分割，结合ViT、条件随机场与自训练，在海草生境制图中取得高mIoU，验证了其可行性。
2026-08-26 cs.CV cs.LG
Self-Supervised Enhancement of Forward-Looking Sonar Images: Bridging Cross-Modal Degradation Gaps through Feature Space Transformation and Multi-Frame Fusion
College of Electronic Engineering, Naval University of Engineering（电子工程学院，海军工程大学）；College of Meteorology and Oceanography, National University of Defense Technology（气象海洋学院，国防科技大学）；College of Computer Science and Technology, National University of Defense Technology（计算机科学与技术学院，国防科技大学）；Department of Computer Science and Technology, Tsinghua University（计算机科学与技术系，清华大学）
提出一种基于特征空间变换与多帧融合的自监督方法，有效弥合声纳与遥感图像间的跨模态退化差距，显著提升前视声纳图像的增强效果与水下目标检测性能。
2025-05-29 cs.CV eess.IV
Motion Degeneracy in Self-supervised Learning of Elevation Angle Estimation for 2D Forward-Looking Sonar
The University of Tokyo（东京大学）；JAIST（北陆先端科学技术大学院大学）；Wakachiku Construction Co., Ltd.（若竹建设株式会社）
针对2D前视声纳俯仰角估计自监督学习中依赖合成数据预训练的问题，通过分析运动退化现象并利用有效运动构建数据集，实现了无需预训练的稳定自监督学习，经仿真与真实实验验证有效。
2023-08-01 cs.CV cs.RO
Weakly-Supervised Semantic Segmentation of Circular-Scan, Synthetic-Aperture-Sonar Imagery
Naval Surface Warfare Center（海军水面作战中心）；Naval Sea Systems Command（海军海上系统司令部）
针对CSAS声呐图像，提出结合不确定性种子选择、信息论渐进重塑和内容可寻址记忆的弱监督分割框架，性能媲美全监督方法并显著优于现有弱监督网络。
2024-01-20 cs.CV cs.LG eess.IV
Physics-Guided Self-Supervised Statistical Residual Learning for Sonar Despeckling with Improved Generalization
School of Electrical Sciences, Indian Institute of Technology Goa（印度理工学院Goa电子科学学院）；Inria, Sophia Antipolis, France（法国Sophia Antipolis Inria）
提出一种物理引导的自监督框架，通过同态对数域残差一致性约束，结合方差统计损失、边缘感知正则化和中值引导课程学习，实现无需干净监督的声纳图像去斑，并在多个真实数据集上达到最优性能且具有跨数据集鲁棒性。
2026-05-23 cs.CV eess.SP
Self Supervised Learning for Few Shot Hyperspectral Image Classification
German Aerospace Center (DLR)（德国航空航天中心）；Technical University of Munich (TUM)（慕尼黑工业大学）；Inria（法国国家信息与自动化研究所）；Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学）；CNRS（法国国家科学研究中心）；Grenoble INP（格勒诺布尔国立理工学院）
深度学习已被证明是一种非常有效的高光谱图像（HSI）分类方法。然而，深度神经网络需要大的注释数据集才能很好地泛化。这限制了深度学习对HSI分类的适用性，在HSI分类中，手动标记每个场景的数千个像素是不切实际的。在本文中，我们提出利用自监督学习（SSL）的HSI分类。我们表明，通过使用Barlow-Twins（一种最先进的SSL算法）对未标记的像素进行编码器预训练，我们可以获得具有少量标签的准确模型。实验结果表明，该方法的性能明显优于普通监督学习。
2022-06-24 cs.CV cs.LG
Self-Supervised Compression and Artifact Correction for Streaming Underwater Imaging Sonar
Simon Fraser University（西蒙弗雷泽大学）；Douglas College（道格拉斯学院）；McGill University（麦吉尔大学）；Wild Salmon Center（野生鲑鱼中心）
SCOPE通过自监督方法实现低比特率水下声纳流式传输，有效压缩并校正声纳伪影，提升实时检测性能。
2025-12-02 cs.CV cs.LG cs.MM
On the robustness of self-supervised representations for multi-view object classification
University of the Witwatersrand（威特沃特斯兰德大学）
众所周知，来自自监督预训练的表示可以在各种下游任务上与来自完全监督预训练的表示表现相当，并且通常更好。这已经在诸如通用对象分类和检测、语义分割和图像检索之类的大量设置中示出。然而，最近出现了一些问题，展示了自监督表示的一些失败模式，例如非ImageNet类数据或复杂场景的性能。在本文中，我们表明，自我监督表示的基础上的实例歧视目标导致更好的表示对象，更强大的变化的观点和观点的对象。我们对多个监督基线进行现代自监督方法的实验来证明这一点，包括通过单应性近似对象视点变化，以及基于多个多视图数据集的真实世界测试。我们发现，自监督表示更强大的对象的观点，似乎编码更多的相关信息的对象，促进从新的观点对象的识别。
2022-07-27 cs.CV cs.LG
Investigating a Baseline Of Self Supervised Learning Towards Reducing Labeling Costs For Image Classification
监督学习中的数据标注被认为是一种昂贵的工具，在某些情况下是不可行的。提出了自监督学习方法来解决具有较少标记数据的学习有效性，然而，对实现足够结果所需的标记数据的大小缺乏信心。这项研究的目的是绘制一个基线的标记数据的比例，模型可以欣赏，以产生合格的准确性相比，训练与额外的标签。该研究实现了www.example.com 'cats-vs-dogs数据集Mnist和Fashion-Mnist，通过在原始数据集上实现随机旋转增强来研究自监督学习任务。为了揭示自监督学习中借口过程的真实有效性，原始数据集被分成较小的批次，并且在每个批次上重复学习，有和没有借口预训练。结果表明，与普通监督学习相比，自监督学习中的借口过程在下游分类任务中提高了约15%的准确率。
2021-08-17 cs.CV cs.LG
Single View Seafloor Recovery from Imaging Sonar via Differentiable Rendering
California Institute of Technology（加州理工学院）
提出一种无需训练的方法，通过可微渲染在30秒内从单张声纳图像恢复海底地形，利用已知海底倾斜条件，首次实现单视图高度恢复。
2026-05-22 cs.CV cs.LG
Robust Sonar ATR Through Bayesian Pose Corrected Sparse Classification
Pennsylvania State University（宾夕法尼亚州立大学）；U.S. Naval Research Laboratory（美国海军研究实验室）
声纳成像在过去几十年中取得了巨大的进步，部分原因是合成孔径声纳（SAS）的进步。先进的分类技术现在可用于声纳自动目标识别，以确定地雷和其他威胁物体的位置。其中最有前途的这些方法是稀疏重建为基础的分类（SRC），已显示出令人印象深刻的弹性噪声，模糊和闭塞。我们提出了一个连贯的战略扩展SRC的声纳ATR，保留SRC的鲁棒性，同时也能够处理目标与不同的几何排列，麻烦的瑞利噪声，不可避免的背景杂波。我们的方法，姿态校正稀疏性（PCS），采用了一种新的解释尖峰和板坯概率分布作为贝叶斯先验的类特定的歧视结合字典学习计划本地补丁提取。此外，PCS提供了异常检测的可能性，以避免来自训练集之外的测试对象的错误识别，而不需要额外的训练。使用美国海军水面作战中心提供的数据库显示了令人信服的结果。
2017-06-26 cs.CV
Target Detection and Segmentation in Circular-Scan Synthetic-Aperture-Sonar Images using Semi-Supervised Convolutional Encoder-Decoders
Naval Surface Warfare Center（海军水面作战中心）；Naval Sea Systems Command（海军海上系统司令部）；University of Florida（佛罗里达大学）
我们提出了一个框架，基于显着性，多目标检测和分割的圆扫描，合成孔径声纳（CSAS）图像。我们的框架依赖于多分支卷积编码器-解码器网络（MB-CEDN）。MB-CEDN的编码器部分从CSAS图像中提取视觉对比度特征。这些特征被送入双解码器，执行像素级分割以掩盖目标。每个解码器提供不同的视角，以构成一个显着的目标。这些意见被聚合并级联到一个深度解析网络中，以细化分割。我们使用由五个广泛目标类别组成的真实世界CSAS图像来评估我们的框架。我们比较现有的方法，从计算机视觉文献。我们表明，我们的框架优于为自然图像设计的有监督的深度显着性网络。它大大优于为自然图像开发的无监督显着性方法。这说明，可能需要改变基于自然图像的模型，以有效地用于这种成像声纳模态。
2022-02-17 cs.AI cs.CV
Mine-JEPA: In-Domain Self-Supervised Learning for Mine-Like Object Classification in Side-Scan Sonar
Maum AI Inc.（Maum AI公司）；Seoul National University（首尔大学）；KAIST（韩国科学技术院）；Yonsei University（延世大学）
本文提出Mine-JEPA，首个针对侧扫声呐矿类物体分类的领域自监督学习框架，通过SIGReg损失在1170张未标记声呐图像上预训练，实现二分类F1得分0.935，优于DINOv3。
2026-04-01 cs.CV
Self-supervised learning: When is fusion of the primary and secondary sensor cue useful?
自监督学习（Self-supervised learning，SSL）是一种可靠的学习机制，机器人可以通过它来增强自己的感知能力。通常，在SSL中，可信的主传感器提示向辅助传感器提示提供受监督的训练数据。在本文中，进行了理论分析的融合的主要和次要线索的最小模型的SSL。提供了一个证明，确定在何种条件下有利于进行融合。简而言之，当（i）目标值的先验很强或（ii）次级线索足够准确时，这是有利的。理论研究结果与计算实验进行了验证。随后，一个真实世界的案例研究进行调查，如果在SSL融合也是有益的，当最小模型的假设不满足。特别是，飞行机器人学会将压力测量映射到声纳高度测量，然后将两者融合，从而获得更好的高度估计。在相反的情况下，当压力是主要线索时，融合也是有益的。分析和结果是令人鼓舞的研究SSL融合也为其他机器人和传感器。
2017-09-23 cs.AI cs.LG cs.RO
Evaluation for Uncertain Image Classification and Segmentation
ENSIETA（法国国立高等工程技术学校（布雷斯特））；Faculté des sciences de Rabat（拉巴特理学院）
每年都有许多分割和分类算法被发明或重复使用，以解决需要机器视觉的问题。通常，这些算法的效率与一个或多个人类专家给出的结果进行比较。然而，在许多情况下，对象的真实边界的位置以及它们的类别并不被人类专家确定地知道。此外，一般只评估分割和分类问题的一个方面。在本文中，我们提出了一种新的评价方法的分类和分割的图像，我们考虑到分类和分割的结果，以及由专家给出的确定性水平。作为一个具体的例子，我们的方法，我们评估自动海底特征化算法的基础上声纳图像。
2008-06-11 cs.AI cs.CV
Ladder Networks for Semi-Supervised Hyperspectral Image Classification
Purdue University（普渡大学）；ETH Zürich（苏黎世联邦理工学院）
我们使用梯形网络[Rasmus et al.（2015）]在半监督设置中执行高光谱图像分类。梯形网络通过联合优化监督和非监督成本来将自己与其他半监督方法区分开来。在许多情况下，这已被证明比其他半监督技术更成功，例如使用未标记数据进行预训练。我们还表明，卷积梯形网络的性能优于目前大多数用于高光谱图像分类的技术，并在帕维亚大学数据集上实现了新的最先进的性能，每个类只有5个标记的数据点。
2018-12-04 cs.CV cs.LG stat.ML
Fusion de classifieurs pour la classification d'images sonar
ENSIETA（法国布雷斯特国立高等先进技术学院）；E3I2（E3I2实验室）
在本文中，我们提出了一些高层次的信息融合方法的数字和符号数据。我们研究了这种方法的兴趣，特别是分类器融合。比较研究的背景下，从声纳图像的海床表征。由于资料的复杂性，泥沙分类一直是一个难题.我们比较了高层信息融合并给出了获得的性能。
2012-01-06 cs.AI cs.CV
Big Self-Supervised Models Advance Medical Image Classification
Google Research and Health（谷歌研究与健康）
自我监督预训练，然后进行监督微调，在图像识别中取得了成功，特别是当标记的例子很少时，但在医学图像分析中受到的关注有限。本文研究了自监督学习作为医学图像分类预训练策略的有效性。我们对两个不同的任务进行了实验：数码相机图像的皮肤病皮肤状况分类和多标签胸部X射线分类，并证明了ImageNet上的自监督学习，然后对未标记的特定领域医学图像进行额外的自监督学习，显着提高了医学图像分类器的准确性。我们介绍了一种新的多实例对比学习（MICLe）方法，该方法使用每个患者病例的基础病理的多个图像，当可用时，为自我监督学习构建更多信息的阳性对。结合我们的贡献，我们在皮肤病学和胸部X射线分类上分别实现了6.7%的top-1准确率和1.1%的平均AUC提高，优于ImageNet上预训练的强监督基线。此外，我们还证明了大型自监督模型对分布偏移具有鲁棒性，并且可以使用少量标记的医学图像进行有效学习。
2021-04-01 cs.CV cs.LG eess.IV
Underwater object classification using scattering transform of sonar signals
UC Davis（加州大学戴维斯分校）
在本文中，我们应用散射变换（ST），一个基于卷积神经网络（CNN）的非线性映射，使用声纳信号对水下目标进行分类。ST形式化了由CNN学习的滤波器具有小波样结构的观察。我们实现了有效的二进制分类在一个真实的数据集的未爆炸的条例（UXO），以及合成生成的例子。我们还探索了对象域中的变化对波形的影响（例如，平移、旋转和声阻抗等），并检查来自散射变换的理论结果的结果。我们表明，散射变换是能够很好的分类的合成和真实的问题，由于具有更多的准不变性的属性，非常适合于平移和旋转的对象。
2017-09-03 cs.CV
Intelligent Road Condition Monitoring using 3D In-Air SONAR Sensing
Department of Electronics and ICT Engineering Technology, Cosys-Lab Research Group, University of Antwerp（安特卫普大学电子与ICT工程技术系Cosys-Lab研究组）；Flanders Make Strategic Research Centre（弗兰德斯制造战略研究中心）
本文研究了空中3DSONAR传感器在道路表面状况监测中的应用，通过单个数据集实现道路材料分类和道路损坏检测，采用SONAR传感在恶劣天气下表现更优，但损坏检测准确率仍需提升。
2026-03-30 cs.CV cs.LG
Semi-supervised Learning with Graphs: Covariance Based Superpixels For Hyperspectral Image Classification
University of Cambridge（剑桥大学）
提出了一种基于图的半监督高光谱图像分类框架。我们首先介绍了一种新的超像素算法的基础上的光谱协方差矩阵表示的像素，以提供一个更好的表示我们的数据。然后，我们在进行分类之前，根据仔细考虑的特征向量构建一个超像素图。通过使用两个基准数据集的一组实验结果，我们证明了我们的方法优于三种最先进的分类框架，特别是当使用极少量的标记数据时。
2019-05-14 cs.CV cs.LG stat.ML
Improving Medical Image Classification in Noisy Labels Using Only Self-supervised Pretraining
RIT（罗切斯特理工学院）；University of Aberdeen（阿伯丁大学）；NepAl Applied Mathematics and Informatics Institute for Research (NAAMII)（尼泊尔应用数学与信息学研究所（NAAMII））
本文研究仅用自监督预训练初始化模型以应对医学图像分类中的噪声标签问题，在NCT-CRC-HE-100K和COVID-QU-Ex数据集上验证了对比式与前置任务式预训练能学习更优特征并提升鲁棒性。
2023-08-08 cs.CV cs.LG eess.IV
Self-Contrastive Learning based Semi-Supervised Radio Modulation Classification
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；US Army Research Laboratory（美国陆军研究实验室）
本文提出了一个半监督学习框架，是新的设计自动调制分类（AMC）。通过仔细利用具有自监督对比学习预训练步骤的未标记信号数据，我们的框架在给定少量标记数据的情况下实现了更高的性能，从而大大减少了深度学习的标记负担。我们评估了我们的半监督框架在公共数据集上的性能。评估结果表明，我们的半监督方法显着优于监督框架，从而大大提高了我们的能力，训练深度神经网络自动调制分类的方式，利用未标记的数据。
2022-03-29 cs.LG
Localized Dictionary design for Geometrically Robust Sonar ATR
Pennsylvania State University（宾夕法尼亚州立大学）；U.S. Naval Research Laboratory（美国海军研究实验室）
声纳图像捕获的进步为自动目标识别（ATR）的强大分类方案打开了大门。最近的工作，特别是看到稀疏重建为基础的分类（SRC）声纳ATR，即使在噪声和模糊的存在下，它提供了令人信服的准确率的应用。然而，现有的基于稀疏性的声纳ATR技术假设测试图像表现出与训练集一致的几何姿态。这项工作解决了处理不一致的测试声纳图像相对于训练的突出的开放性挑战。我们开发了一个新的本地化的基于块的字典设计，可以使几何，即姿态鲁棒性。此外，结合字典学习方法以提高性能和效率。所提出的SRC与局部姿态管理（LPM），表现出优于最先进的SIFT功能和SVM的方法，由于其权力，以辨别声纳图像中的背景杂波。
2016-01-13 cs.CV
Pre-trained Models for Sonar Images
German Research Center for Artificial Intelligence（德国人工智能研究中心）；Bonn-Rhein-Sieg University of Applied Sciences（波恩-莱茵-锡格应用技术大学）
机器学习和神经网络现在在声纳感知中无处不在，但由于缺乏专门针对声纳图像的数据和预训练模型，它落后于计算机视觉领域。在本文中，我们介绍了海洋碎片转盘数据集，并产生了在此数据集上训练的预训练神经网络，旨在填补声纳图像缺少预训练模型的空白。我们在Marine Debris转盘数据集上对Resnet 20、MobileNets、DenseNet 121、SqueezeNet、MiniXception和一个Autoencoder进行了训练，使用了几种输入图像尺寸，从32 x 32到96 x 96。我们使用迁移学习评估这些模型，用于海洋碎片水箱和使用Gemini 720 i声纳捕获的另一个数据集的低拍摄分类。我们的研究结果表明，在这两个数据集中，预训练的模型产生了良好的特征，可以在低样本（每个类10-30个样本）的情况下实现良好的分类准确性。Gemini数据集验证了特征转移到其他类型的声纳传感器。我们希望社区能够从我们的预训练模型和转盘数据集的公开发布中受益。
2021-08-02 cs.CV cs.LG cs.RO
The Marine Debris Forward-Looking Sonar Datasets
University of Groningen（格罗宁根大学）；Bonn-Rhein-Sieg University of Applied Sciences（波恩-莱茵-锡格应用科学大学）；Worcester Polytechnic Institute（伍斯特理工学院）；Heriot-Watt University（赫瑞瓦特大学）；German Research Center for Artificial Intelligence（德国人工智能研究中心）
本文针对水下机器人声纳感知公开数据缺乏的问题，提出了Marine Debris Forward-Looking Sonar数据集，包含三种环境设置及多种计算机视觉任务，为研究界提供完整数据描述与初步结果。
2025-03-28 cs.CV cs.LG
Generalized proportional conflict redistribution rule applied to Sonar imagery and Radar targets classification
在这一章中，我们提出了两个应用在信息融合，以评估广义比例冲突重新分配规则中提出的\cite{Martin06a}一章。大多数情况下，组合规则只在简单的示例上进行评估。我们在这里研究不同的组合规则，并比较它们在决策方面的实际数据。事实上，在实际应用中，我们需要一个可靠的决策，而最终的结果才是最重要的。这里提出了两个应用：人类专家的意见的水下沉积物的声纳图像上描绘的融合和雷达目标识别的分类器融合。
2008-06-12 cs.AI cs.CV
Additional Representations for Improving Synthetic Aperture Sonar Classification Using Convolutional Neural Networks
Pennsylvania State University（宾夕法尼亚州立大学）；Centre for Maritime Research & Experimentation（海事研究与实验中心）
合成孔径声纳（SAS）图像中的目标分类通常是一个数据匮乏和类别不平衡的问题。在许多温和的海底中，几乎没有感兴趣的物体。尽管存在这些问题，目前的分类技术丢弃了大部分收集的SAS信息。特别是，波束形成的SAS图像，我们称之为单视复数（SLC）图像，包含由实部和虚部组成的复数像素。对于人类消费，SLC被转换为幅度-相位表示，并且相位信息被丢弃。甚至更有问题的是，幅度信息通常表现出大的动态范围（> 80 dB），并且必须被动态范围压缩以供人类显示。通常，这种动态范围压缩表示最初是为人类消费而设计的，它被馈送到分类器中。因此，分类过程完全没有相位信息。在这项工作中，我们使用SLC的相位信息以及来自另一个来源的信息：照片的分类性能的改善。我们进行统计测试，以证明我们的结果的有效性。
2018-10-15 cs.CV
Ablation study of self-supervised learning for image classification
Aristotle University（亚里士多德大学）
该项目的重点是卷积神经网络（CNN）和Transformer网络的图像识别任务的自监督训练。一个简单的暹罗网络，具有不同的骨干，以最大限度地提高相似性的两个增强变换图像从同一个源图像。通过这种方式，骨干能够在没有监督的情况下学习视觉信息。最后，在三个图像识别数据集上对该方法进行了评估。
2021-12-04 cs.CV
Deep Dive into Semi-Supervised ELBO for Improving Classification Performance
Agency Lab（机构实验室）；Independent University Bangladesh（孟加拉国独立大学）
对VAE用于密度估计的证据下限（ELBO）目标进行分解，揭示了VAE用于表示学习的不足，并提出了改进方法。在本文中，我们研究是否可以通过使用VAE模型分解ELBO进行半监督分类来获得类似的见解。具体来说，我们表明，输入和类标签之间的互信息减少ELBO目标的最大化。我们提出了一种方法来解决这个问题。我们还强制集群假设，以帮助分类。在不同数据集上的实验表明，该方法可以提高现有基于VAE的半监督模型的分类性能。实验还表明，这可以在不牺牲模型生成能力的情况下实现。
2022-11-21 cs.LG
Billion-scale semi-supervised learning for image classification
Facebook AI（Facebook人工智能）
本文提出了一种基于大型卷积网络的半监督学习的研究。我们提出了一个管道，基于教师/学生的范例，利用大量的未标记的图像（高达10亿）。我们的主要目标是提高给定目标架构的性能，如ResNet-50或ResNext。我们提供了一个广泛的分析，我们的方法的成功因素，这使我们制定了一些建议，以产生高精度的图像分类模型与半监督学习。因此，我们的方法为图像，视频和细粒度分类的标准架构带来了重要的收益。例如，通过利用10亿张未标记的图像，我们学习的vanilla ResNet-50在ImageNet基准测试中达到了81.2%的top-1准确率。
2019-05-02 cs.CV
Comment on "Ensemble Projection for Semi-supervised Image Classification"
在Dai及其同事的一系列论文[1，2]中，为半监督和无监督学习引入了特征映射（或内核）。该特征图是从在不使用地面真实类标签的情况下训练的分类器集合的输出构建的。在这篇评论中，我们分析了这一系列论文的最新版本，即所谓的包围投影[2]。我们证明了[2]中报道的结果没有很好地进行，并且包围投影对于半监督学习表现不佳。
2014-08-29 cs.CV
Self-supervised Regularization for Text Classification
Shanghai Jiao Tong University（上海交通大学）；Northeastern University（东北大学）；UC San Diego（加利福尼亚大学圣迭戈分校）
文本分类是一个被广泛研究的问题，有着广泛的应用。在许多现实问题中，用于训练分类模型的文本数量是有限的，这使得这些模型容易过拟合。为了解决这个问题，我们提出了SSL-Reg，一种基于自监督学习（SSL）的数据依赖正则化方法。SSL是一种无监督学习方法，它在输入数据上定义辅助任务，而不使用任何人类提供的标签，并通过解决这些辅助任务来学习数据表示。在SSL-Reg中，监督分类任务和无监督SSL任务同时执行。SSL任务是无监督的，它纯粹是在输入文本上定义的，不使用任何人工提供的标签。使用SSL任务训练模型可以防止模型过度拟合到分类任务中有限数量的类标签。在17个文本分类数据集上的实验证明了该方法的有效性。
2021-03-24 cs.CL cs.LG
Semi-supervised Nonnegative Matrix Factorization for Document Classification
Harvey Mudd College（哈维穆德学院）；Colorado State Univ.（科罗拉多州立大学）；Univ. of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Cal. State Univ. Channel Islands（加州州立大学海峡群岛分校）；Wofford College（沃福德学院）；New York Univ.（纽约大学）；Univ. of Alabama（阿拉巴马大学）；Univ. of Cal., Los Angeles（加州大学洛杉矶分校）；Boston Medical Cent.（波士顿医疗中心）；Southern Methodist Univ.（南卫理公会大学）；Occidental College（西方学院）
我们提出了新的半监督非负矩阵分解（SSNMF）模型的文件分类，并提供这些模型的最大似然估计的动机。所提出的SSNMF模型同时提供了一个主题模型和分类模型，从而提供了高度可解释的分类结果。我们推导出的训练方法，使用乘法更新每个新的模型，并证明了这些模型的单标签和多标签文档分类的应用程序，虽然模型是灵活的其他监督学习任务，如回归。我们说明了这些模型和训练方法在文档分类数据集上的前景（例如，20 Newsgroups，Reuters）。
2022-02-28 cs.IR cs.LG cs.NA
Deep Denoising Method for Side Scan Sonar Images without High-quality Reference Data
Harbin Institute of Technology（哈尔滨工业大学）
在自主水下机器人（AUV）深海探测过程中，侧扫声纳（SSS）测量的海底图像是必不可少的视觉数据。它们可以生动地反映海底地形，但通常伴随着复杂和严重的噪音。提出了一种无高质量参考数据的SSS图像深度去噪方法，该方法利用一幅含噪SSS图像进行自监督去噪。与经典的人工设计滤波器相比，深度去噪方法显示出明显的优势。对实际海底SSS图像进行去噪实验，结果表明，该方法能有效地降低SSS图像的噪声，同时最大限度地减少图像质量和细节损失。
2021-08-27 cs.CV eess.IV
Counting Fish with Temporal Representations of Sonar Video
MIT（麻省理工学院）；Caltech（加州理工学院）；UMass Amherst（马萨诸塞大学阿默斯特分校）
本文提出一种基于回声图的轻量级计算机视觉方法，用ResNet-18直接从声纳视频时序表示中预测鲑鱼上下游计数，并在阿拉斯加基奈河数据上实现23%的计数误差。
2025-02-07 cs.CV
Discriminative Sparsity for Sonar ATR
Pennsylvania State University（宾夕法尼亚州立大学）；U.S. Naval Research Laboratory（美国海军研究实验室）；Naval Surface Warfare Center Panama City（巴拿马城海军水面作战中心）
声纳图像捕获的进步使研究人员能够应用复杂的物体识别算法，以便在图像中定位感兴趣的目标，如地雷。尽管在这一领域取得了进展，现代声纳自动目标识别（ATR）方法缺乏鲁棒性的噪声量，人们会期望在现实世界的情况下，处理模糊的能力，从图像捕获的物理，并与相对较少的训练样本的能力。我们通过采用现代基于稀疏性的技术和由每个类的训练组成的字典来解决这些挑战。我们开发了新的歧视性（而不是生成）稀疏表示，可以帮助自动分类声纳成像中的目标。使用模拟SAS数据集从海军水面作战中心（NSWC），我们得到了令人信服的分类率多类问题，即使在相当大的噪音和稀疏的情况下，在训练样本。
2016-01-01 cs.CV
Sonar Image Datasets: A Comprehensive Survey of Resources, Challenges, and Applications
Instituto de Ciências Exatas e Tecnologia (ICET). Universidade Federal do Amazonas（巴西亚马逊联邦大学理学院（ICET））
该研究针对声呐图像数据集稀缺制约水下机器学习模型发展的问题，全面综述了多模态公开声呐图像数据集与相关应用，梳理前沿进展、识别研究空白并提供路线图。
2025-10-02 cs.CV
Improving Sonar Image Patch Matching via Deep Learning
Heriot-Watt University（赫瑞瓦特大学）
高精度匹配声纳图像长期以来一直是一个问题，因为声纳图像由于反射、噪声和视点依赖性而固有地难以建模。自主水下航行器需要良好的声纳图像匹配能力，用于诸如跟踪、同时定位与地图构建（SLAM）和某些情况下的目标检测/识别的任务。我们建议使用卷积神经网络（CNN）来学习一个匹配函数，该函数可以从标记的声纳数据中进行训练，经过预处理以生成匹配和非匹配对。在39 K训练对的数据集中，我们获得了输出二进制分类匹配决策的CNN的ROC曲线下面积（AUC）为0.91，以及输出匹配分数的另一个CNN的AUC为0.89。相比之下，经典的关键点匹配方法如SIFT、SURF、ORB和AKAZE获得AUC 0.61至0.68。替代的学习方法获得类似的结果，随机森林分类器获得AUC 0.79，而支持向量机得到AUC 0.66。
2017-09-07 cs.CV cs.RO
S3Simulator: A benchmarking Side Scan Sonar Simulator dataset for Underwater Image Analysis
SRM Institute of Science and Technology（SRM科学技术学院）；SRMIST
针对声纳数据集获取困难的问题，提出模拟侧扫声纳图像基准数据集S3Simulator，利用SAM、SelfCAD和Gazebo等工具生成高质量合成数据，验证了其在水下目标分类中的有效性。
2024-08-23 cs.CV
Iterative, Deep Synthetic Aperture Sonar Image Segmentation
Pennsylvania State University（宾夕法尼亚州立大学）；Applied Research Laboratory（应用研究实验室）
合成孔径声纳（SAS）系统产生高分辨率的海底环境图像。此外，深度学习在寻找用于自动化图像分析的鲁棒特征方面表现出了卓越的能力。然而，深度学习的成功取决于具有大量标记的训练数据，但是获得SAS图像的大量像素级注释实际上通常是不可行的。到目前为止，这一挑战限制了深度学习方法在SAS分割中的应用。存在以无监督方式分割SAS图像的算法，但它们缺乏最先进的学习方法的益处，并且结果存在显著的改进空间。鉴于上述情况，我们提出了一种结合超像素形成、深度学习和传统聚类方法的新的无监督SAS图像分割迭代算法。我们称之为迭代深度无监督分割（IDUS）。IDUS是一个无监督学习框架，可以分为四个主要步骤：1）深度网络估计类分配。2)来自深度网络的低级图像特征被聚类为超像素。3)使用$k$均值将超像素聚类到类分配（我们称之为伪标签）中。4)产生的伪标签用于深度网络预测的损失反向传播。迭代地执行这四个步骤直到收敛。IDUS与当前最先进的方法在SAS图像分割的现实基准数据集上的比较证明了我们的建议的好处，即使IDUS在推理（测试图像的实际标记）期间产生的计算负担要低得多。最后，我们还开发了一个半监督（SS）的IDUS扩展称为IDSS，并通过实验证明，它可以进一步提高性能，同时优于监督的替代方案，利用相同的标记训练图像。
2022-03-28 cs.CV
Can Optical Denoising Clean Sonar Images? A Benchmark and Fusion Approach
Hangzhou Institute of Technology, Xidian University（杭州理工大学）；Department of Engineering, Shenzhen MSU-BIT University（深圳MSU-BIT大学工程系）；School of Information Engineering, Jiangxi University of Science（江西理工大学信息工程学院）；Institute of Deep-sea Science（深海科学研究院）；School of Computer Science, Northwestern Polytechnical University（西北工业大学计算机学院）；College of Cyber Security, Jinan University（广州大学网络安全学院）
本文首次系统评估九种深度去噪模型在声呐图像上的表现，并针对不同去噪方法的互补性提出互监督多源去噪融合框架，以提升水下目标检测精度。
2025-07-20 cs.AI cs.CV
Sonar-based Deep Learning in Underwater Robotics: Overview, Robustness and Challenges
OceanScan Marine Systems & Technology（OceanScan海洋系统与技术公司）；INESC INOV-Lab（INESC INOV实验室）；ISRC (ISEP/P.PORTO)（ISRC（波尔图高等工程学院/波尔图大学））；Faculty of Engineering, University of Porto (FEUP)（波尔图大学工程学院（FEUP））
本文首次全面综述水下机器人中基于声纳的深度学习，聚焦鲁棒性挑战，涵盖感知任务、数据集与鲁棒性方法，并提出建立基线数据集及弥合模拟-现实差距的未来方向。
2024-12-16 cs.CV cs.RO eess.SP
Counting Fish and Dolphins in Sonar Images Using Deep Learning
University of Guelph（圭尔夫大学）；University of Toronto（多伦多大学）
深度学习提供了改善相互矛盾的报告的机会，这些报告考虑了亚马逊河的鱼类和海豚丰度与森林砍伐导致的林冠覆盖减少之间的关系。目前的鱼类和海豚丰度估计方法是采用目测和捕获/释放策略进行现场取样。我们提出了一种新的方法来计算鱼类丰度使用深度学习的鱼类和海豚的估计从声纳图像从后面的拖钓船。我们考虑的数据集的143个图像，从0-34鱼，和0-3海豚提供的基金亚马逊河流域研究小组。为了克服数据的限制，我们测试的能力，数据增强的非常规15/85的训练/测试分裂。我们使用20张训练图像，使用增强背景和随机放置/旋转从训练集中截取的鱼和海豚来模拟多达25，000张图像的数据梯度。然后，我们训练四个多任务网络架构：DenseNet 201，InceptionNetV 2，Xception和MobileNetV 2，使用两种函数近似方法预测鱼和海豚的数量：回归和分类。对于回归，Densenet 201对鱼类的回归效果最好，Xception对海豚的回归效果最好，均方误差分别为2.11和0.133。对于分类，InceptionResNetV 2表现最好的鱼类和MobileNetV 2最好的海豚的平均误差分别为2.07和0.245。考虑到123个测试图像，我们的结果表明，有限的声纳数据集的数据模拟的成功。我们发现DenseNet 201能够在大约5000张训练图像后识别海豚，而鱼类需要25000张训练图像。我们的…
2020-07-24 cs.CV
Deep Autofocus for Synthetic Aperture Sonar
合成孔径声纳（SAS）需要精确的位置和环境信息，以在图像重建步骤中产生聚焦良好的输出。然而，这些测量中的误差通常会导致散焦图像。为了克服这些问题，采用\emph{autofocus}算法作为图像重建之后的后处理步骤，以便使用图像内容本身来改善图像质量。这些算法通常是迭代的和基于度量的，因为它们寻求优化图像清晰度度量。在这封信中，我们展示了机器学习的潜力，特别是深度学习，以解决自动对焦问题。我们将这个问题表述为一个自我监督的相位误差估计任务，使用我们称为深度自动聚焦的深度网络。我们的公式具有非迭代（因此速度快）的优点，并且不需要其他去模糊深度学习方法经常需要的地面真实聚焦-散焦图像对。我们将我们的技术与一组使用梯度下降在真实世界数据集上优化的常见锐度度量进行比较。我们的结果表明，深度自动聚焦可以产生在感知上与基准迭代技术一样好的图像，但计算成本要低得多。我们的结论是，我们提出的深度自动对焦可以提供一个更有利的成本质量权衡比国家的最先进的替代品具有显着的潜力，未来的研究。
2021-07-30 cs.CV eess.IV
Best Practices in Convolutional Networks for Forward-Looking Sonar Image Recognition
Heriot-Watt University（赫瑞瓦特大学）
卷积神经网络（CNN）为彩色图像的感知带来了革命性的变化，将其应用于声纳图像也取得了良好的效果。但一般来说，CNN很难在没有大数据集的情况下进行训练，需要手动调整相当数量的超参数，并且需要设计者做出许多谨慎的决定。在这项工作中，我们评估了CNN设计者需要做出的三个常见决策，即迁移学习的性能，对象/图像大小的影响以及训练集大小之间的关系。我们评估了三个CNN模型，即一个基于LeNet，两个基于SqueezeNet的Fire模块。我们的发现是：即使当训练和传递集没有共同的类时，使用SVM的迁移学习也工作得很好，并且即使当目标数据集很小时也可以获得高分类性能。ADAM优化器与批量归一化相结合，即使图像尺寸很小（16像素），也可以生成高精度的CNN分类器。每个类至少需要50个样本才能获得$90\%$测试准确度，对小数据集使用Dropout有助于提高性能，但在大数据集可用时，批量归一化更好。
2017-09-08 cs.CV
Weakly Supervised Object Segmentation by Background Conditional Divergence
Naval Surface Warfare Center Panama City Division（巴拿马城分部海军水面 warfare 中心）
提出基于背景条件散度的弱监督二值目标分割方法，通过聚类背景并创建反事实图像计算散度进行训练，在声纳和自然图像上均取得良好效果。
2025-11-04 cs.CV cs.LG
