Over het archief
Het OWA, het open archief van het Waterbouwkundig Laboratorium heeft tot doel alle vrij toegankelijke onderzoeksresultaten van dit instituut in digitale vorm aan te bieden. Op die manier wil het de zichtbaarheid, verspreiding en gebruik van deze onderzoeksresultaten, alsook de wetenschappelijke communicatie maximaal bevorderen.
Dit archief wordt uitgebouwd en beheerd volgens de principes van de Open Access Movement, en het daaruit ontstane Open Archives Initiative.
Basisinformatie over ‘Open Access to scholarly information'.
D4SC: deep supervised semantic segmentation for seabed characterization in low-label regime
Arhant, Y.; Tellez, O.L.; Neyt, X.; Pizurica, A. (2023). D4SC: deep supervised semantic segmentation for seabed characterization in low-label regime, in: IGARSS 2023 - 2023 IEEE International Geoscience and Remote Sensing Symposium: Proceedings. pp. 6932-6935. https://dx.doi.org/10.1109/IGARSS52108.2023.10282903
|
| Beschikbaar in | Auteurs |
|
Documenttype: Congresbijdrage
|
| Trefwoord |
|
| Author keywords |
Seabed; Semantic Segmentation; Synthetic Aperture Sonar; Deep Learning |
| Abstract |
Seabed characterisation consists in the study of the physical and biological properties of the bottom of the oceans. It is effectively achieved with sonar, a remote sensing method that captures acoustic backscatter of the seabed. Classical Machine Learning (ML) and Deep Learning (DL) research have failed to successfully address the automatic mapping of the seabed from noisy sonar data. This work introduces the Deep Supervised Semantic Segmentation model for Seabed Characterisation (D4SC), a novel U-Net-like model tailored to such data and low-label regime, and proposes a new end-to-end processing pipeline for seabed semantic segmentation. That dual contribution achieves state-of-the-art results on a high resolution Synthetic Aperture Sonar (SAS) survey dataset.
|
IMIS is ontwikkeld en wordt gehost door het VLIZ.
