收藏本站 劰载中...网站公告 | 吾爱海洋论坛交流QQ群:835383472

奇怪的知识增加了!声呐图像的成像原理及目标检测baseline

[复制链接]
* 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
回复

举报 使用道具

相关帖子

全部回帖
暂无回帖,快来参与回复吧
懒得打字?点击右侧快捷回复 【吾爱海洋论坛发文有奖】
您需要登录后才可以回帖 登录 | 立即注册
超级爸爸
活跃在2026-2-8
快速回复 返回顶部 返回列表