D4SC: Deep Supervised Semantic Segmentation for Seabed Characterisation in Low-Label Regime

Résultats de recherche: Chapitre dans un livre, un rapport, des actes de conférencesContribution à une conférenceRevue par des pairs

3 Téléchargements (Pure)

Résumé

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.

langue originaleAnglais
titreIGARSS 2023 - 2023 IEEE International Geoscience and Remote Sensing Symposium, Proceedings
EditeurInstitute of Electrical and Electronics Engineers Inc.
Pages6932-6935
Nombre de pages4
ISBN (Electronique)9798350320107
Les DOIs
étatPublié - 2023
Evénement2023 IEEE International Geoscience and Remote Sensing Symposium, IGARSS 2023 - Pasadena, États-Unis
Durée: 16 juil. 202321 juil. 2023
https://2023.ieeeigarss.org/

Série de publications

NomInternational Geoscience and Remote Sensing Symposium (IGARSS)
Volume2023-July

Une conférence

Une conférence2023 IEEE International Geoscience and Remote Sensing Symposium, IGARSS 2023
Titre abrégéIGARSS 2023
Pays/TerritoireÉtats-Unis
La villePasadena
période16/07/2321/07/23
Adresse Internet

Empreinte digitale

Examiner les sujets de recherche de « D4SC: Deep Supervised Semantic Segmentation for Seabed Characterisation in Low-Label Regime ». Ensemble, ils forment une empreinte digitale unique.

Contient cette citation