|
* s. t$ u5 ~9 u% R- w) A hi，我是为你们的xio习操碎了心的和鲸社区男运营 我们的网站：和鲸社区 Heywhale.com
7 x8 t7 Q8 Y; @0 P 我们的公众号：和鲸社区（ID：heywhale-kesci） 有干货，来！大家好，事情的起源是这样的，我司搞了个声学图像水下目标检测的比赛，项目的同学托我来这里宣传宣传。 & t. G# `# s' n/ S$ d a. D
好嘛，举手之劳。
4 ^7 W! n/ L$ a6 \4 H9 e) ^5 u : @$ |2 ?3 d3 b' N
但是我仔细看了下题目，咦，声学我懂，但是声学图像是啥？刚看到数据集的图片，我是懵的
% {7 i8 q) U8 g' J9 H : {4 P0 x- P! S
唯一的感觉是“金色的，怪好看的 ”，但你问我这具体画了啥？别问，问就是“我只能分清前视和侧扫” # M. d9 J- O& {" ^4 \
刚刚恶补了一下办赛老师的ppt，终于给整明白了，让我来个脱水版的说明。
4 ^ F$ [3 u) d( \! z+ N, s3 f$ S. G$ l 先看这两张图 ( j) _, }: ]7 r9 ^% P: h
p# k6 H2 W/ n$ U) x% k+ T
第一张图是《国家地理》杂志某一期的封面，采用航拍的视角，记录了沙漠中的骆驼（以及它们的影子）
6 K( X. a! O, {# I$ d9 b8 l
- i- C9 d8 g- a( b 第二张是一张声呐图像，显示的是海底的一辆自行车。 8 E+ U" H) M. H3 K9 L' ?
其实声呐图片和清晨/傍晚俯拍的照片是一样一样的，都是声源/光源在被观测物体斜上方，然后观测者以俯视的视角观测。 ' q4 v9 E% j8 _9 d8 J
基于对图像的观察。你会觉得对于此类图片，识别物体的本身其实挺困难的，反而，“阴影”成为了我们识别物体的关键。
, R) ^+ f1 ?: S) y2 s& o 有了这么个和已有认知的连接，似乎声呐图像就好懂了一点。 , s* Y1 N. h% d& f
2 O1 Q9 r5 E: P) P+ j- H G+ U% [
你看这就是辆小汽车 : z! p2 b$ B$ z: [5 \3 L3 n4 u8 Y& {. i& Q
6 b5 t0 K; h. K% ?, Q) z6 U; d
这就是人工堤坝和沙坡
4 T: ]0 X4 ~3 ^9 l 再往本质说，声呐图像就是根据收到回声时间的分布产生的图像。声呐发出一个触发脉冲，并在水中进行传播，碰到沙地/障碍物会反射，那么收到回声的时间越长，就说明目标物离声呐发出的距离越远。 5 | [( V" y6 N' g( w
下面右图是左图顶边的切片，可以看得到绿圈和红圈的两张图像上的峰谷值是相对应的。 / X6 I/ v F- v8 q; g9 |- }/ D
5 A# B9 b U3 M% e* a
仔细观察下图④⑤⑥⑦的位置，距离声呐竖直方向的上的距离④<⑤<⑥<⑦，但是空间上⑥到①的距离小于④到①的距离，所以⑥在声学图像上离原点更近。而①④、①⑤、①⑥长度比较接近，所以他们会在声学图像上，产生一个高光区域（即图片上的“强反射”） 3 t+ S/ U: t" p- q; a
而⑥，⑦中间类似“背坡”，收不到声音，所以就产生了一块阴影。 $ ^" r b+ q8 @
" c% k; j2 H# r# h9 L 大致就是这么个意思，你品，你细品。
, Y2 k! t$ p8 l4 z6 w; C/ z 还想掌握更多细节，或者觉得我说的不太好懂，你可以查看以下视频，以及比赛的讨论区 7 u; x5 Z2 \" F+ u3 _+ y5 D
2020“水下目标检测算法赛”
3 m) t. h6 f6 @& r 水下目标检测算法赛（声学图像赛项） / 讨论区 % Q- } f. y( o* N c; f
有了前面的讲解，现在在回过头看声呐图片，是不是有那么点儿意思了？ , t$ V& s/ B2 ~8 P
% _4 w/ `0 j+ k0 C! y5 B" ~
你看这个侧扫声呐图像，显示的是稍微有些起伏的沙地，而这个前视声呐图像显示的是两根柱子。
; |. {$ G( ?6 ]. v' i6 A: Q 讲完图像之后，我们再来讲讲题该怎么做
* L9 n$ c# W; F/ J 办赛老师甩了我们一篇论文[1]，里面有一句话引起了我的注意“至今，没有专门为声呐图像设计的目标检测技术”。的确，我之前在四处找资料的时候也发现，相关资料少，使用的方法比较传统。 ! \" Z. J5 U _% i$ Q" \+ b
举个例子：
* M( y, o1 B7 } WACV 2020收录的相关文章[2]中，使用主要的框架为Faster R-CNN 6 U# |/ k; T" D' i/ N8 ~' l
老师给的论文中，使用的方法为CNN/FCN
' a& X3 K# x1 N0 ` " L9 ]; H$ H6 L' w5 Q7 B) [
其中Faster R-CNN发表于NIPS 15，CNN和FCN则更是CV领域传统艺能。可见，这个题目的答题空间之大。 % I, h: X% R: d8 f2 ^0 l
另外，WACV 2020收录的相关文章[2]也给了我们提示，其中写道：
9 Q1 I) M. c4 F3 U' t7 ~, o “声纳图像的目标检测任务面临着数据量不足和噪声干扰两大挑战，这两大挑战导致了模型的过度拟合。” 4 ~+ M1 D% a( _: z3 C( t
以上的信息整合后，解题思路呼之欲出：使用为光学图像设计的目标检测算法+针对声学图像特点进行优化。（对不起好像也没说啥有用的）
9 l( o2 I0 \! I3 a. Z9 D 要是不会，也别怕，现在排行榜上的大家也都还在摸索之中，说不定随便搞个光学目标检测算法就能登顶了呢？
3 c; `( |/ G* j K0 J& d ( k4 m, r; X$ O' U; z
最后，要进行我们的传统项目，也是大家最最最期待的环节： # \3 Q4 N* {+ Y. P+ y
官方baseline公布
+ T7 W( [3 v+ d' T/ y/ h. O5 H 使用Google Object Detection 完成水下目标检测
" Y6 I2 s8 K6 E6 C+ F https://www.heywhale.com/mw/project/5e6331644b7a30002c98895e
* E+ G( k# N& b7 } 项目优雅介绍了baseline的使用全流程，欢迎大家试用 2 {. ~) y1 E/ I
什么？你说你不想努力了，只想找（划掉）富婆（划掉）操作更简单的baseline？行吧。 8 U3 g5 o" x, ~7 l5 K5 T1 u7 V4 l
懒人版声学 Baseline
4 t/ Z- X2 i7 l; U; g# a7 p https://www.heywhale.com/mw/project/5e69d767ae2d090037791205 & ~! j ?2 A* z% A' q
某位想出道的参赛选手为了大家，在官方baseline的基础上优化了一个更流畅的版本，连代码文件都不用拆开，直接调用＋传参就可以了 8 z$ k4 w: ?. L: g: n3 B
运行 tfrecord_generator.py, 采用 -path 参数传入大赛数据集的压缩包
; @: Z! A7 X5 D' k% E 运行 model_train.py, 采用 -path 参数传入预训练模型的文件夹地址 运行 inference.py, 采用 -step指定希望被用于推理的训练步数, -path指定被推理图片放置的文件夹路径有了它，三行代码，你就可以交上作业了，真是妙啊 / G2 [7 x( G) n2 T
& b' K ` N% K1 W; d" G
再提一嘴，这次数据集的大小也非常友好，只有1.32GB，训练百八十次都不会心疼，平时输在算力的同学们，这次也可以大展身手了。 , N t3 h! ]5 q- F- r% b
你不算我不算，声呐图像怎么办？
! f" _$ y) R0 C8 o 你参赛我参赛，海底世界任我探！ 0 \' r. g1 ]. c3 z& t) V& j, `; M
期待在排行榜上看到各位的大名。以上。
8 }8 h! k; A/ l% k 相关资料：
7 n) ? a/ ~: z2 \: U 1.M. Valdenegro-Toro, "Learning Objectness from Sonar Images for Class-Independent Object Detection," 2019 European Conference on Mobile Robots (ECMR), Prague, Czech Republic, 2019, pp. 1-6. ! r: F/ F, M. ]+ W
2.Qixiang Ma, Longyu Jiang, Wenxue Yu, Rui Jin, Zhixiang Wu, Fangjin Xu; The IEEE Winter Conference on Applications of Computer Vision (WACV), 2020, pp. 729-738
8 f2 p' C1 U; s3 X0 D
0 Q! h2 [0 v3 D7 G% Q3 K/ s0 o; c0 x
. E9 e" M* V: S+ G. P
. R3 n: ]" j/ E
| 
