Catalogus

Zoeken

Zoeken kan via de modus 'eenvoudig zoeken' (één veld) of uitgebreid via 'geavanceerd zoeken' (meerdere velden). Zo kan je bv. zoeken op een combinatie van een auteursnaam (auteur), een jaartal (jaar) en een documenttype.

Boekenmand

Nuttige resultaten kan je aanvinken en toevoegen aan een mandje. De inhoud hiervan kan je exporteren of afdrukken (naar bv. PDF).

RSS

Op de hoogte blijven van nieuw toegevoegde publicaties binnen uw interessegebied? Dit kan door een RSS-feed (?) te maken van jouw zoekopdracht.

log in

Publicaties | Kaarten

nieuwe zoekopdracht

[ meld een fout in dit record ]

mandje (0): toevoegen | toon

---

Object recognition in forward-looking sonar images with Convolutional Neural Networks Valdenegro-Toro, M. (2016). Object recognition in forward-looking sonar images with Convolutional Neural Networks, in: Oceans 2016 MTS/IEEE Monterey, 19-23 September 2016 . pp. 1-6. https://dx.doi.org/10.1109/oceans.2016.7761140 In: (2016). Oceans 2016 MTS/IEEE Monterey, 19-23 September 2016. IEEE: [s.l.]. ISBN 978-1-5090-1537-5. https://dx.doi.org/10.1109/OCE31204.2016

---

Beschikbaar in	Auteur
VLIZ: Non-open access 371064 [ aanvragen ]
Documenttype: Congresbijdrage

---

Auteur		Top
Valdenegro-Toro, M.

---

Abstract

Forward-looking sonars can provide high resolution images that can be used for different tasks in an underwater environment. However, image interpretation is still an open problem due to multiple issues inherent in acoustic imaging. In this work, we use Convolutional Neural Networks (CNN) for object recognition in forward-looking sonar images. We show that a CNN outperforms the state of the art for such kind of images by achieving an accuracy of 99.2%. While state of the art template matching methods have accuracies between 92.4% and 97.6%. We also compare the number of learnable parameters of CNNs and template matching that are required to achieve high performance. Our results show that CNNs require less parameters to provide better recognition capabilities that generalize well to unseen data.

---

Alle informatie in het Integrated Marine Information System (IMIS) valt onder het VLIZ Privacy beleid

Top | Auteur