基于CSLS-CycleGAN的側(cè)掃聲納水下目標(biāo)圖像樣本擴(kuò)增法

打開文本圖片集

摘 要：

針對側(cè)掃聲納水下目標(biāo)圖像稀缺，獲取難度大、成本高，導(dǎo)致基于深度學(xué)習(xí)的目標(biāo)檢測模型性能差的問題，結(jié)合光學(xué)域類目標(biāo)數(shù)據(jù)集豐富的現(xiàn)狀，提出一種基于通道和空間注意力（channel and spatial attention， CSA）模塊、最小二乘生成對抗生成網(wǎng)絡(luò)（least squares generative adversarial networks， LSGAN）及循環(huán)對抗生成網(wǎng)絡(luò)（cycle generative adversarial networks， CycleGAN）的側(cè)掃聲納水下目標(biāo)圖像樣本擴(kuò)增方法。（剩余21495字）